تحلیل بیزی مدل های رگرسیونی عرض از مبدا تصادفی با توزیع لاپلاس- چوله

فرض متداول در برازش مدل های رگرسیونی عرض از مبدا تصادفی، نرمال بودن توزیع مولفه های خطا و اثرهای تصادفی است. با توجه به این که غیرنرمال بودن این توزیع ها در کاربرد های تجربی امکان پذیر است مطالعه بر روی توزیع های منعطف تر از نرمال در سال های اخیر مورد توجه محققین قرارگرفته است. در این مقاله ما با در نظرگرفتن توزیع لاپلاس- چوله برای مولفه های خطا و اثرهای تصادفی، مدل رگرسیونی منعطفی را در برازش داده های وابسته توسط الگوریتم نمونه گیری گیبز که مبتنی بر رهیافت بیز است برای استنباط پارامترهای مدل به کار می بریم. بدین منظور با بهره گیری از نمایش سلسله مراتبی توزیع لاپلاس- چوله، توزیع های پسین شرطی کامل مورد نیاز الگوریتم را محاسبه می کنیم. در نهایت، با تحلیل مجموعه داده های تجربی در زمینه ی اقتصاد اهمیت مدل پیشنهادی را نشان می دهیم.

کلیدواژه ها:

نمایش سلسله مراتبی ، اثرهای تصادفی ، چگالی پسین شرطی کامل ، نمونه گیری گیبز ، متغیر پنهان