明尼苏达 BART
统计方法学
2025-03-19 v1 计量经济学
摘要
向量自回归（VAR）模型广泛用于预测和宏观经济分析，但其仍受限于对线性参数化的依赖。最近的研究引入了贝叶斯可加回归树（BART）等非参数替代方案，提供灵活性而无需强参数假设。然而，现有的 BART-based 框架未能考虑时间依赖性或允许在回归树先验中进行稀疏估计，导致高维表示噪声和效率低下。本文引入一种稀疏诱导的 Dirichlet 超先验作用于回归树的分割概率，从而实现自动变量选择和高维 VAR。此外，我们提出一种结构化收缩先验，降低对更高阶滞后进行分割的概率，与明尼苏达先验的原则相吻合。经验结果表明，我们的方法在预测准确性方面优于基准 BART 先验和贝叶斯 VAR（BVAR），尤其在捕捉时间依赖关系和增强密度预测方面。这些发现凸显了在宏观经济预测中开发领域特定非参数方法的潜力。
引用
@article{arxiv.2503.13759,
title = {Minnesota BART},
author = {Pedro A. Lima and Carlos M. Carvalho and Hedibert F. Lopes and Andrew Herren},
journal= {arXiv preprint arXiv:2503.13759},
year = {2025}
}