基于高斯混合模型与Beta分布的交换回归方法：用于预测历史双变量数据的关系
统计方法学
2025-08-22 v1 应用统计
摘要
本研究回顾了Chow等人[2015]提出的交换回归（SWAP）方法，旨在在响应变量与解释变量角色确定后寻找最佳拟合模型。当前工作中，我们通过一种新方法探索了两个变量在给定时间点之间的方向性关系，该方法直接受到SWAP回归概念的启发。我们的方法基于高斯混合模型（GMM）和Beta分布，估计潜在变量的概率，从而预测合适的模型，即确定某个变量是否可以在特定时间点承担解释变量或响应变量的角色。为使变量之间的角色转换成为有效考虑，我们建立了两个变量之间存在双向（Granger）因果关系的前提。我们对该方法进行了详细的实际数据分析，采用美国经济1966-2023年期间的季度数据，对可能最能解释经济健康的两个最密切关联的宏观经济指标——国内生产总值（GDP）和公共债务——进行建模，使实际应用更具挑战性。
引用
@article{arxiv.2508.15479,
title = {Swap Regression Methodology for Predicting Relationship with Historical Bivariate Data},
author = {Viral Chitlangia and Mosuk Chow and Sharmishtha Mitra},
journal= {arXiv preprint arXiv:2508.15479},
year = {2025}
}
备注
Under review for Journal of Business and Economics Statistics