基于贝叶斯搜索方法的TAR模型研究

作者：谢胜蓝; 刘金山; 乔杉

来源：统计与决策, 2017, (12): 15-20.

DOI：10.13546/j.cnki.tjyjc.2017.12.003

• 随机搜索
• 贝叶斯方法
• MCMC算法
• 拉丁变量
• 机制数

文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型。在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样。并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数。用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致。

• 出版日期2017
• 单位华南农业大学