以Polygamma数据增强解决混合多项Logit模型贝叶斯估计中的非共轭问题
机器学习
2019-04-17 v1 机器学习
计量经济学
应用统计
摘要
混合多项 Logit (MMNL) 模型的标准 Gibbs 采样器由于 logit 核无共轭先验，涉及使用 Metropolis-Hastings (MH) 算法对效用参数的条件密度进行采样。为解决此非共轭问题，我们提出将 Polygamma 数据增强 (PG-DA) 技术应用于 MMNL 估计。对于两选项情形（二元选择），增强后与默认 Gibbs 采样器的后验估计相似，但在更多选项（）情形下我们遇到了经验识别问题。
引用
@article{arxiv.1904.07688,
title = {P\'olygamma Data Augmentation to address Non-conjugacy in the Bayesian Estimation of Mixed Multinomial Logit Models},
author = {Prateek Bansal and Rico Krueger and Michel Bierlaire and Ricardo A. Daziano and Taha H. Rashidi},
journal= {arXiv preprint arXiv:1904.07688},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1904.03647