ترجمه فارسی توضیحات (ترجمه ماشینی)
تحلیل پسینی مدل ناهمگونی ضربی
در این مقاله، نحوه استفاده از رویکرد بیزی در مدل ناهمسانی ضربی مورد بحث توسط [1] را نشان میدهیم. نمونهبردار گیبس و الگوریتم متروپلیس-هیستینگز (MH) برای مدل ناهمسانی ضربی اعمال میشوند، جایی که برخی از چگالیهای ایجادکننده نامزد در الگوریتم MH در نظر گرفته میشوند. ما مطالعه مونت کارلو را برای بررسی خواص تخمین ها از طریق رویکرد بیزی و همتایان سنتی مانند برآوردگر دو مرحله ای اصلاح شده (M2SE) و برآوردگر حداکثر درستنمایی (MLE) انجام می دهیم. نتایج ما از مطالعه مونت کارلو نشان می دهد که چگالی مولد نامزد انتخاب شده در مقاله ما مناسب است و رویکرد بیزی عملکرد بهتری را نسبت به همتایان سنتی در معیار ریشه میانگین مربعات خطا (RMSE) و محدوده بین چارکی (IR) نشان می دهد.
Posterior analysis of the multiplicative heteroscedasticity model
In this paper, we show how to use Bayesian approach in the multiplicative heteroscedasticity model discussed by [1]. The Gibbs sampler and the Metropolis-Hastings (MH) algorithm are applied to the multiplicative heteroscedasticity model, where some candidate-generating densities are considered in the MH algorithm. We carry out Monte Carlo study to examine the properties of the estimates via Bayesian approach and the traditional counterparts such as the modified two-step estimator (M2SE) and the maximum likelihood estimator (MLE). Our results of Monte Carlo study show that the candidate-generating density chosen in our paper is suitable, and Bayesian approach shows better performance than the traditional counterparts in the criterion of the root mean square error (RMSE) and the interquartile range (IR).
نقد و بررسیها
هنوز بررسیای ثبت نشده است.