基于tmbstan对带VAR(1)状态方程状态空间模型的贝叶斯推断
统计方法学
2021-01-15 v1
摘要
在使用R包tmbstan进行贝叶斯推断时，可开启或关闭其内置的将随机效应积分后的边际似然拉普拉斯近似特性。目前尚无关于是否应使用拉普拉斯近似以获得更优效率的指南，尤其当用于估计选择的统计模型较为复杂时。为回答该问题，我们在采用VAR(1)状态方程的状态空间模型下，于不同情景中进行模拟研究。我们发现，在tmbstan中开启拉普拉斯近似可能会降低计算效率；仅当数据量充足时，才值得尝试带与不带拉普拉斯近似的tmbstan，因为此时拉普拉斯近似更可能准确，并可能带来略高的计算效率。VAR(1)过程中的转移参数与尺度参数难以准确估计，且在各时间点增大样本量无助于估计，仅数据中更多时间点才包含这些参数的更多信息，并使似然主导后验似然，从而得到准确估计。
引用
@article{arxiv.2101.05635,
title = {Bayesian inference with tmbstan for a state-space model with VAR(1) state equation},
author = {Yihan Cao and Jarle Tufto},
journal= {arXiv preprint arXiv:2101.05635},
year = {2021}
}