本文關(guān)鍵詞：帶有解釋變量的一階自回歸模型的貝葉斯估計

  更多相關(guān)文章： 貝葉斯估計 白回歸模型 共軛先驗分布

【摘要】：現(xiàn)實中許多經(jīng)濟(jì)現(xiàn)象在本質(zhì)上是動態(tài)的,有些動態(tài)關(guān)系變量不僅與某些變量有關(guān),而且在時間上還具有延遲性,存在一個延遲的解釋變量.普通回歸模型與自回歸模型雖然在經(jīng)濟(jì)上都有廣泛地應(yīng)用,但在刻畫這種現(xiàn)象時都有所局限,普通回歸模型沒有考慮時間的相依性,自回歸模型沒有考慮到外層因素的影響,因此本文考慮普通回歸模型與自回歸模型的推廣形式,即帶有解釋變量的自回歸模型. 許多統(tǒng)計學(xué)者對帶有解釋變量的自回歸模型進(jìn)行了一定研究,但沒有對此模型的貝葉斯估計進(jìn)行廣泛研究.貝葉斯方法是處理時間序列模型的有力工具,具有很多經(jīng)典方法不具備的優(yōu)點,因此將貝葉斯方法引入到此時間序列模型中,即研究帶有解釋變量的自回歸模型的貝葉斯估計. 本文首先介紹了此模型的平穩(wěn)性條件及其極大似然估計,其次分別在σ2已知和未知情形研究了此模型的貝葉斯估計.當(dāng)σ2已知時,我們考慮無信息先驗和正態(tài)先驗兩種情形下的貝葉斯估計.當(dāng)σ2未知時,給出了在正態(tài)逆伽瑪先驗下的貝葉斯估計.最后對本文給出的估計方法數(shù)值模擬,模擬結(jié)果表明,貝葉斯估計不強(qiáng)依賴于先驗,是穩(wěn)健的.對貝葉斯方法和極大似然方法的模擬效果進(jìn)行了比較,當(dāng)樣本量很小時,貝葉斯方法優(yōu)于極大似然方法,隨著樣本量的增加,兩種估計方法得到的估計量趨于相同.
【關(guān)鍵詞】：貝葉斯估計 白回歸模型 共軛先驗分布
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O212.8
【目錄】：

• 摘要4-5
• 英文摘要5-7
• 第一章 引言7-10
• 1.1 問題背景及意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-9
• 1.3 論文框架9-10
• 第二章 模型的平穩(wěn)性及其極大似然估計10-14
• 2.1 模型的平穩(wěn)性10-12
• 2.2 模型的極大似然估計12-14
• 第三章 不同先驗下的貝葉斯估計14-23
• 3.1 預(yù)備知識14-17
• 3.2 無信息先驗下的貝葉斯估計17-18
• 3.3 正態(tài)先驗下的貝葉斯估計18-19
• 3.4 正態(tài)逆伽瑪先驗下的貝葉斯估計19-23
• 第四章 數(shù)值模擬23-29
• 第五章 結(jié)論29-30
• 參考文獻(xiàn)30-33
• 致謝33

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 韋程東;韋師;蘇韓;;復(fù)合LINEX對稱損失下Poisson分布參數(shù)的Bayes估計與應(yīng)用[J];統(tǒng)計與決策;2010年07期

2 程巖,吳喜之;基于非對稱損失函數(shù)的參數(shù)設(shè)計[J];應(yīng)用概率統(tǒng)計;2005年04期

，

本文編號：1013779