Abordări bayesiene ale micșorării și estimării rarefiate

Titlul original:

Bayesian Approaches to Shrinkage and Sparse Estimation

Conținutul cărții:

Bayesian Approaches to Shrinkage and Sparse Estimation introduce cititorul în lumea determinării modelului Bayesian prin studierea algoritmilor și metodologiilor moderne de micșorare și selecție a variabilelor.

Inferența bayesiană este un cadru probabilistic natural pentru cuantificarea incertitudinii și învățarea despre parametrii modelului, iar această caracteristică este deosebit de importantă pentru inferența în modelele moderne de dimensiuni mari și complexitate crescută. Autorii încep cu un cadru de regresie liniară pentru a introduce diverse clase de antecedente care conduc la estimatori de micșorare/sparci de valoare comparabilă cu estimatorii populari de verosimilitate penalizată (de ex.

ridge, LASSO). Ei examinează diverse metode de inferență exactă și aproximativă și discută avantajele și dezavantajele acestora. În cele din urmă, aceștia analizează modul în care prioritățile dezvoltate pentru cadrul regresiei simple pot fi extinse într-un mod simplu la diverse clase de modele econometrice interesante.

În special, sunt luate în considerare următoarele studii de caz care demonstrează aplicarea strategiilor bayesiene de micșorare și selecție a variabilelor în contexte econometrice populare: i) modele vectoriale autoregresive; ii) modele factoriale; iii) regresii cu parametri variabili în timp; iv) selectarea factorilor de confuzie în modelele cu efecte de tratament; și v) modele de regresie cuantile. Un pachet MATLAB și un manual tehnic însoțitor permit cititorului să reproducă mulți dintre algoritmii descriși în această analiză.