Student-$t$分布自由度参数的贝叶斯估计——一种有益的重新参数化
统计方法学
2021-09-07 v1
摘要
本文针对Student-分布的自由度参数研究条件数据扩充(DA)。基于受限版本的期望增广Fisher信息，我们推测当增大时，辅助性DA对MCMC估计的效率渐进地高于充分性DA；其盈亏平衡点在低至处。该论断通过一项大型模拟研究以及对美国宏观经济时间序列的应用得到进一步检验与推广。最后，经验表明辅助-充分交织策略能结合两种DA的优势。所提算法可为在任何模型中估计树立新标准。
引用
@article{arxiv.2109.01726,
title = {Bayesian Estimation of the Degrees of Freedom Parameter of the Student-$t$ Distribution---A Beneficial Re-parameterization},
author = {Darjus Hosszejni},
journal= {arXiv preprint arXiv:2109.01726},
year = {2021}
}