貝葉斯空間計(jì)量模型(共8頁)_第1頁
貝葉斯空間計(jì)量模型(共8頁)_第2頁
貝葉斯空間計(jì)量模型(共8頁)_第3頁
貝葉斯空間計(jì)量模型(共8頁)_第4頁
貝葉斯空間計(jì)量模型(共8頁)_第5頁
已閱讀5頁,還剩3頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、精選優(yōu)質(zhì)文檔-傾情為你奉上貝葉斯空間計(jì)量模型一、采用貝葉斯空間計(jì)量模型的原因殘差項(xiàng)可能存在異方差,而ML估計(jì)方法的前提是同方差,因此,當(dāng)殘差項(xiàng)存在異方差時(shí),采用ML方法估計(jì)出的參數(shù)結(jié)果不具備穩(wěn)健性。二、貝葉斯空間計(jì)量模型的估計(jì)方法(一)待估參數(shù)對(duì)于空間計(jì)量模型(以空間自回歸模型為例)假設(shè)殘差項(xiàng)是異方差的,即上述模型需要估計(jì)的參數(shù)有:共計(jì)n+2個(gè)參數(shù),存在自由度問題,難以進(jìn)行參數(shù)檢驗(yàn)。為此根據(jù)大數(shù)定律,增加了新的假設(shè):vi服從自由度為r的卡方分布。如此以來,待估參數(shù)將減少為3個(gè)。(二)參數(shù)估計(jì)方法采用MCMC(Markov Chain Monte Carlo)參數(shù)估計(jì)思想,具體的抽樣方法選擇吉布

2、斯抽樣方法(Gibbs sampling approach)在隨意給定待估參數(shù)一個(gè)初始值之后,開始生成參數(shù)的新數(shù)值,并根據(jù)新數(shù)值生成其他參數(shù)的新數(shù)值,如此往復(fù),對(duì)每一個(gè)待估參數(shù),將得到一組生成的數(shù)值,根據(jù)該組數(shù)值,計(jì)算其均值,即為待估參數(shù)的貝葉斯估計(jì)值。三、貝葉斯空間計(jì)量模型的類型空間自回歸模型 far_g()空間滯后模型(空間回歸自回歸混合模型) sar_g()空間誤差模型 sem_g()廣義空間模型(空間自相關(guān)模型) sac_g()四、貝葉斯空間模型與普通空間模型的選擇標(biāo)準(zhǔn)首先按照參數(shù)顯著性,以及極大似然值,確定普通空間計(jì)量模型的具體類型,之后對(duì)于該確定的類型,再判斷是否需要進(jìn)一步采用貝葉

3、斯估計(jì)方法。標(biāo)準(zhǔn)一:對(duì)普通空間計(jì)量模型的殘差項(xiàng)做圖,觀察參數(shù)項(xiàng)是否是正態(tài)分布,若非正態(tài)分布,則考慮使用貝葉斯方法估計(jì)。 技巧:r=30的貝葉斯估計(jì)等價(jià)于普通空間計(jì)量模型估計(jì),此時(shí)可以做出v的分布圖,觀察其是否基本等于1,若否,則應(yīng)采用貝葉斯估計(jì)方法。標(biāo)準(zhǔn)二:若按標(biāo)準(zhǔn)一發(fā)現(xiàn)存在異方差,采用貝葉斯估計(jì)后,如果參數(shù)結(jié)果與普通空間計(jì)量方法存在較大差異,則說明采用貝葉斯估計(jì)是必要的。例1:選舉 投票率 普通SAR與貝葉斯SAR對(duì)比: load elect.dat; load ford.dat; y=elect(:,7)./elect(:,8); x1=elect(:,9)./elect(:,8); x2

4、=elect(:,10)./elect(:,8); x3=elect(:,11)./elect(:,8); w=sparse(ford(:,1),ford(:,2),ford(:,3); x=ones(3107,1) x1 x2 x3; res1=sar(y,x,w); res2=sar_g(y,x,w,2100,100); Vnames=strvcat(voter,const, educ, home, income); prt(res1);prt(res2);Spatial autoregressive Model Estimates Dependent Variable = voter R

5、-squared = 0.4605 Rbar-squared = 0.4600 sigma2 = 0.0041 Nobs, Nvars = 3107, 4 log-likelihood = 5091.6196 # of iterations = 11 min and max rho = -1.0000, 1.0000 total time in secs = 1.0530 time for lndet = 0.2330 time for t-stats = 0.0220 time for x-impacts = 0.7380 # draws x-impacts = 1000 Pace and

6、Barry, 1999 MC lndet approximation used order for MC appr = 50 iter for MC appr = 30 Variable Coefficient Asymptot t-stat z-probability const -0. -8. 0. educ 0. 21. 0. home 0. 28. 0. income -0. -8. 0. rho 0. 335. 0. 檢驗(yàn)是否存在異方差-是否存在遺漏變量:貝葉斯-對(duì)列向量做柱狀圖。bar(res.vmean);Bayesian spatial autoregressive model

7、 Heteroscedastic model Dependent Variable = voter R-squared = 0.4425 Rbar-squared = 0.4419 mean of sige draws = 0.0023 sige, epe/(n-k) = 0.0065 r-value = 4 Nobs, Nvars = 3107, 4 ndraws,nomit = 2100, 100 total time in secs = 20.6420 time for lndet = 0.2370 time for sampling = 19.2790 Pace and Barry,

8、1999 MC lndet approximation used order for MC appr = 50 iter for MC appr = 30 min and max rho = -1.0000, 1.0000 Posterior Estimates Variable Coefficient Std Deviation p-level const -0. 0. 0. educ 0. 0. 0. home 0. 0. 0. income -0. 0. 0. rho 0. 0. 0. 對(duì)遺漏變量的測(cè)量: load elect.dat; lat=elect(:,5);lon=elect(

9、:,6); lons li=sort(lon); lats=lat(li,1); elects=elect(li,:); y=elects(:,7)./elects(:,8); x1=elects(:,9)./elects(:,8); x2=elecrs(:,10)./elects(:,8); x2=elects(:,10)./elects(:,8); x3=elects(:,11)./elects(:,8); x=ones(3107,1) x1 x2 x3; w1 w w2=xy2cont(lons,lats); vnames=strvcat('voters','co

10、nst','educ','home','income'); res=sar(y,x,w,2100,100); res=sar_g(y,x,w,2100,100); prt(res,vnames);Bayesian spatial autoregressive model Heteroscedastic model Dependent Variable = voters R-squared = 0.4402 Rbar-squared = 0.4396 mean of sige draws = 0.0022 sige, epe/(n-k) =

11、 0.0065 r-value = 4 Nobs, Nvars = 3107, 4 ndraws,nomit = 2100, 100 total time in secs = 20.3230 time for lndet = 0.2460 time for sampling = 18.9770 Pace and Barry, 1999 MC lndet approximation used order for MC appr = 50 iter for MC appr = 30 min and max rho = -1.0000, 1.0000 * Posterior Estimates Variable Coefficient Std Deviation p-level const -0. 0.

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論