随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型-LOL2020全球总决赛竞猜平台

企业新闻 | 2021-04-05

LOL2020全球总决赛竞猜平台

LOL2020全球总决赛竞猜平台-摘要:向量自恢复(VAR )模型的常见缺点是估计系数的数量与慢的数量成比例地减少。 因此,随着延迟次数的减少,每个参数可利用的信息变少。

在贝叶斯VAR文献中,减少这种所谓维数的恶魔的一种方法是随机搜索变量自由选择(SSVS ),由George等人明确提出(2008 )。 说明SSVS的基本思想是将通常使用的先验方差分配给不应该包含在模型中的参数,与参数无关的先验方差类似于零。 这样,一般估计相关参数,由于相关变量的后验值接近零,所以不影响预测和冲激响应。

这是通过在采样算法的每一步中评估变量相关性的模型之前添加层次来构建的。 本文介绍了SSVS估计的贝叶斯向量自恢复(BVAR )模型。 这用于Ltkepohl(2007 )数据集E1,包含1960Q首页1至1982Q4亿德国马克西德的同样投资、农村居民收入和消费支出的数据。 读取数据,分解数据: library (BVAR Tools ) # Install.Packages (BVAR Tools ) # loadandtransformdatadata (E1 ) E1-DIT Deterministic ) getdatamatricesy-data$y[,1:71]x-data$Z[,1:71]估计值对于geet的所有变量,预包含概率被设置为0.5。

误差方差协方差矩阵的先验信息严重不足。:LOL2020全球总决赛竞猜平台。

本文来源:LOL平台外围-www.aidemeng.com