基于估计函数的MCMC开面三明治调整
统计方法学
2014-05-16 v1 应用统计
摘要
经常出现使用似然函数存在困难的情况。这可能有几个原因——也许似然函数计算成本过高，也许缺乏某种稳健性，或者对于所考虑的模型根本未知。在这些情况下，通常可以指定参数和数据的替代函数，通过最大化这些函数获得渐近正态的估计。然而，如果人们有兴趣应用贝叶斯技术，这些场景会带来明显的问题。本文描述了开面三明治调整，一种将广泛类别的非似然目标函数纳入类贝叶斯模型的方法，通过MCMC获得渐近有效的参数估计和推断。两个模拟示例表明，该方法提供了准确的频率学派不确定性估计。开面三明治调整被应用于一个泊松时空模型，以分析来自公民科学倡议eBird的鸟类学数据集。
引用
@article{arxiv.1204.3687,
title = {The open-faced sandwich adjustment for MCMC using estimating functions},
author = {Benjamin A Shaby},
journal= {arXiv preprint arXiv:1204.3687},
year = {2014}
}