具有多矩条件的广义矩估计的自适应 MCMC
统计计算
2021-03-11 v5
摘要
当矩条件数量很大（即与样本量相当或大于样本量）时，广义矩估计(GMM)估计量并不可靠。尽管经典 GMM 文献针对此问题提出了若干对策，但其贝叶斯对应方法（即使用 GMM 准则作为拟似然的贝叶斯推断）几乎完全忽略了它。本研究通过提出一种针对具有多矩条件的 GMM 推断的自适应马尔可夫链蒙特卡罗(MCMC)方法来弥补这一空白。特别地，本研究侧重于对权重矩阵进行在线自适应调谐。我们的方案包含两个要素。其一是使用非参数特征值正则化精度矩阵估计量，有助于数值稳定性。其二是权重矩阵的随机更新，在保持估计精度的同时大幅降低计算成本。随后我们给出模拟研究与实际数据应用，以比较所提方法与现有方法的性能。
引用
@article{arxiv.1811.00722,
title = {Adaptive MCMC for Generalized Method of Moments with Many Moment Conditions},
author = {Masahiro Tanaka},
journal= {arXiv preprint arXiv:1811.00722},
year = {2021}
}