含测量误差的似不相关回归：基于马尔可夫链蒙特卡罗与平均场变分贝叶斯近似的估计
统计方法学
2020-06-15 v1 计量经济学
摘要
协变量含测量误差的线性回归是一个被深入研究的话题，然而统计/计量经济学文献几乎未涉及估计含测量误差的多方程模型。本文考虑协变量含测量误差的似不相关回归模型，并引入两种新颖估计方法：纯贝叶斯算法（基于马尔可夫链蒙特卡罗技术）及其平均场变分贝叶斯（MFVB）近似。MFVB 方法的额外优势在于计算快速且可处理大数据。测量误差模型的一个关键问题是参数识别，这通过在对测量误差方差施加先验分布得以解决。多种模拟研究表明这些方法表现良好，其中我们分析了由于数据生成过程中所使用的真实未观测量的信度比或方差的不同取值而对后验估计产生的影响。本文进一步将所提算法应用于健康文献中的一个实例，表明对数据中的测量误差建模可改善模型拟合。
引用
@article{arxiv.2006.07074,
title = {Seemingly Unrelated Regression with Measurement Error: Estimation via Markov chain Monte Carlo and Mean Field Variational Bayes Approximation},
author = {Georges Bresson and Anoop Chaturvedi and Mohammad Arshad Rahman and Shalabh},
journal= {arXiv preprint arXiv:2006.07074},
year = {2020}
}
备注
29 Pages, 8 Tables, 2 Figures