偏正态空间自回归模型的贝叶斯估计

摘要：

空间自回归模型是空间计量经济学研究中的一个重要模型,主要用于刻画空间单元间的相关性.在空间自回归模型的现有研究中,大都假设响应变量服从正态分布,然而,实际的数据可能呈现出非正态的情况,此时,仍然在正态假设下作统计推断会获得不合理甚至错误的结论.基于响应变量服从偏正态分布的假设,研究偏正态空间自回归模型的贝叶斯估计.借助Gibbs抽样和MH算法相结合的MCMC算法讨论该模型的贝叶斯估计.数值模拟和实证分析表明:1)提出的偏正态空间自回归模型与传统模型相比,可以更好地拟合偏态数据;2)采用MCMC算法对模型进行贝叶斯估计,可以更精准地估计未知参数.研究结果显示:采用MCMC算法得到偏正态空间自回归模型未知参数的贝叶斯估计值更精准.

关键词：偏正态分布;空间自回归模型;贝叶斯估计;MCMC算法

所属期刊栏目：46

分类号：O212.8(概率论与数理统计)

资助基金：国家自然科学基金;昆明理工大学自然科学研究基金项目

在线出版日期：2022-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：144-151