《贝叶斯估计》PPT课件

《《贝叶斯估计》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、§2.3经典线性计量经济学模型的贝叶斯估计BayesianEstimation,BayesianEconometrics一、贝叶斯估计二、单方程计量经济学模型的贝叶斯估计三、例题说明在《EconometricAnalysis》(第3版)中：Chapter6TheClassicalMultipleLinearRegressionModel—SpecificationandEstimation6.9BayesianEstimation在《EconometricAnalysis》(第5版)中：Chapter16EstimationFramework

2、sinEconometrics16.2ParametricEstimation16.2.2BayesianEstimation贝叶斯估计对经典计量经济学模型估计方法的扩展在于，它不仅利用样本信息，同时利用非样本信息。贝叶斯统计是由T.R.Bayes于19世纪创立的数理统计的一个重要分支，20世纪50年代，以H.Robbins为代表提出了在计量经济学模型估计中将经验贝叶斯方法与经典方法相结合，引起了广泛的重视。在实际应用中，由于先验信息难以获得，该估计方法很难应用。一、贝叶斯估计1、贝叶斯方法的基本思路贝叶斯方法的基本思路：假定要估计的模型参数是服

3、从一定分布的随机变量，根据经验给出待估参数的先验分布（也称为主观分布），关于这些先验分布的信息被称为先验信息；然后根据这些先验信息，并与样本信息相结合，应用贝叶斯定理，求出待估参数的后验分布；再应用损失函数，得出后验分布的一些特征值，并把它们作为待估参数的估计量。贝叶斯方法与经典估计方法的不同之处：关于参数的解释不同经典估计方法认为待估参数具有确定值，它的估计量才是随机的；贝叶斯方法认为待估参数是一个服从某种分布的随机变量。所利用的信息不同对随机误差项的要求不同贝叶斯方法需要知道随机误差项的具体分布形式。选择参数估计量的准则不同需要构造一个损失函

4、数，并以损失函数最小化为准则求得参数估计量。2、贝叶斯定理后验信息正比于样本信息与先验信息的乘积。可以通过样本信息对先验信息的修正来得到更准确的后验信息。3、贝叶斯估计的过程确定模型的形式，指出待估参数给出待估参数的先验分布利用样本信息，修正先验分布利用待估参数的后验密度函数，进一步推断出待估参数的点估计值，或进行区间估计与假设检验预测二、正态线性单方程计量经济学模型的贝叶斯估计1、有先验信息的后验分布选择B的先验分布为自然共轭分布，B的自然共轭先验密度函数为正态密度函数：B的似然函数等同于它的联合密度函数利用贝叶斯定理，得到B的后验密度函数为：

5、后验精确度矩阵是先验精确度矩阵与样本信息精确度矩阵之和，故后验精确度总是高于先验精确度；后验均值是先验均值与样本信息OLS估计值的加权平均和，权数为各自的精确度。2、无先验信息的后验分布作为有信息先验的一种特殊情况，即无信息先验的精确度为0。认为待估参数的所有元素服从（－∞，+∞）上的均匀分布，且互不相关。从形式上看，无信息先验得到的后验分布均值与样本信息的OLS估计相同，但二者有不同的含义。3、点估计利用损失函数并使平均损失最小。二次损失函数的点估计值为后验均值。4、区间估计根据B的后验密度函数进行区间估计。需要引入最高后验密度区间的概念：区间

6、内每点的后验密度函数值大于区间外任何一点的后验密度函数值，这样的区间称为最高后验密度区间（HPD区间）。参数的最高后验密度区间在形式上与经典样本信息理论中的置信区间是一致的，但解释并不相同。4、假设检验可以用最高后验密度区间进行假设检验。常用的方法是利用后验优势比检验。三、例题模型以建立某国国防支出模型为例，对贝叶斯估计的过程进行实际演算。共采集了46年的样本数据。将后20组样本作为样本信息，前26组样本作为先验信息。选取后20年的数据为样本，采用经典模型的估计方法估计模型。选取前26年数据为样本观测值，估计模型，将估计结果作为先验信息。得到参数

7、的先验均值和先验协方差矩阵。利用样本信息修正先验分布，得到后验均值和协方差矩阵。上述后验均值就是参数的点估计值。于是得到采用贝叶斯估计的模型为：预测检验利用模型预测第47年的国防支出，得到预测值为865.7，在95%的置信水平下预测值的置信区间为（780.4,951.0）。第47年的实际国防支出为934.7。利用仅仅依赖于后20年样本信息估计的模型对第47年进行预测，得到831.7，其预测精度明显低于上述模型。即使利用全部46年的所有数据为样本估计模型，并对第47年进行预测，得到的预测值为860.4，其预测精度也低于上述模型。