首页科技 › SSVS估计贝叶斯算法空间向量自重回(VAR)模型-yabo登录

SSVS估计贝叶斯算法空间向量自重回(VAR)模型-yabo登录

本文摘要:在贝叶斯算法VAR参考文献中,降低这类说白了的维数魔鬼的一种方式是任意检索变量随意选择(SSVS),由George等明确指出(2008)。一解读SSVS的基础观念是将一般来说用以的先验方差分派给不可包含在模型中的参数,将不涉及到参数的先验方差类似零。

数据信息

概述:空间向量自重回(VAR)模型的一般缺陷是,估计指数的总数与缓慢的总数成占比地降低。因而,伴随着缓慢频次的降低,每一个参数可用的信息较较少。

信息

在贝叶斯算法VAR参考文献中,降低这类说白了的维数魔鬼的一种方式是任意检索变量随意选择(SSVS),由George等明确指出(2008)。一解读SSVS的基础观念是将一般来说用以的先验方差分派给不可包含在模型中的参数,将不涉及到参数的先验方差类似零。

那样,一般来说就可以可能出有涉及到参数,而且涉及变量的后验值相连近于零,因而他们对预测分析和单位阶跃响应没贞着危害。它是根据在模型以前加到结构分析来搭建的,在其中在抽样优化算法的每一个流程中评定变量的关联性。本文解读了用以SSVS估计贝叶斯算法空间向量自重回(BVAR)模型。

每一个

它用以Lütkepohl(2007)的数据E1,在其中包含相关1960Q1至1982Q4十亿德国马克的德国同样项目投资,农村百姓盈利和消費支出的数据信息。获取数据并溶解数据信息:library(bvartools)#install.packages(bvartools)#Loadandtransformdatadata(e1)e1-diff(log(e1))#GenerateVARdata-gen_var(e1,p=4,deterministic=const)#Getdatamatricesy-data$Y[,1:71]x-data$Z[,1:71]二预测值依据George等上述的全自动方式来设定参数的先验方差(2008)。

针对全部变量,先验包含几率设定为0.5。出现偏差的原因方差-协方差引流矩阵的先验信息匮乏。

本文关键词:亚博登陆,用以,先验,参数,模型

本文来源:yabo登录-www.sevdaduragi.com

转载本站文章请注明出处:yabo手机网页登录-首页_欢迎您 http://www.sevdaduragi.com/?p=554

上一篇:

下一篇:

相关文章