西尔维娅·弗里瓦特·施纳特 经典和动态切换及混合模型的马尔可夫链蒙特卡罗估计。 (英语) Zbl 1015.62022号 美国统计协会。 96,第453号,194-209(2001). 摘要:讨论了一个非常一般的模型类的贝叶斯估计,其中观测值的分布取决于在离散状态空间中取值的潜在过程。该模型类包括有限混合建模、马尔可夫切换自回归建模和带切换的动态线性模型。明确地讨论了这类模型的不可识别性对马尔可夫链蒙特卡罗(MCMC)估计的影响。利用一种称为置换抽样的MCMC新方法,对所有潜在变量、模型参数和决定潜在过程概率律的参数进行联合贝叶斯估计。置换采样器首先从无约束的后向采样(通常可以用方便的多步方式完成),然后应用当前标记潜在过程状态的置换。在第一次运行中,使用的随机排列采样器随机选择排列。探索随机排列采样器的MCMC输出,以找到合适的可识别约束。在第二次运行中,通过施加可识别性约束,使用置换采样器从受约束的后部采样。这一次,如果违反了可识别性约束,则应用适当的置换。为了进行说明,本文给出了两个详细的案例研究,即胎羔数据的有限混合建模和美国季度实际国民生产总值数据的马尔可夫转换自回归建模。 引用于1审查引用于113文件 MSC公司: 2015年1月62日 贝叶斯推断 65立方厘米 马尔可夫链的数值分析或方法 62第20页 统计学在经济学中的应用 关键词:动态线性模型;有限混合模型;马尔可夫链蒙特卡罗方法;马尔可夫切换模型;置换抽样 PDF格式BibTeX公司 XML格式引用 \textit{S.Frühwirth-Schnatter},J.Am.Stat.Assoc.96,No.453,194--209(2001;Zbl 1015.62022) 全文: 内政部