Markov切换多方程张量回归
统计方法学
2024-07-02 v1
摘要
我们提出了一种新的灵活的张量模型，用于多方程回归，旨在 accounts for 潜在的情节变化。该模型允许动态系数和跨方程的多维协变量。我们假设系数由共同的隐藏马尔可夫过程驱动，以解决结构性中断问题，从而增强模型的灵活性并保持简洁性。我们引入了新的Soft PARAFAC层次性先验，以实现降维，同时保留协变量张量的结构信息。该先验包括新的多向收缩效应，以解决过参数化问题。我们发展了理论结果，以帮助选择超参数。开发了基于随机扫描Gibbs和反向投影策略的高效MCMC算法，以实现后验抽样的更好计算规模。MCMC算法的有效性在理论上得到证明，其计算效率通过不同参数设置下的数值实验进行研究。通过两个原始真实数据分析展示了该模型框架的有效性。该提出的模型在与当前基准Lasso回归进行比较时表现出优越性能。
引用
@article{arxiv.2407.00655,
title = {Markov Switching Multiple-equation Tensor Regressions},
author = {Roberto Casarin and Radu Craiu and Qing Wang},
journal= {arXiv preprint arXiv:2407.00655},
year = {2024}
}