原文服务方: 河南科学       
摘要:
基于MCMC算法,研究了多元线性回归系数变点模型的贝叶斯估计问题.首先由所有参数的联合后验分布得到各参数的满条件后验分布,再利用Gibbs抽样和MH算法相结合的MCMC算法对满条件分布抽取样本,最后得到变点位置及其他参数的贝叶斯估计.随机模拟结果显示用该方法估计各参数的效果较好.
推荐文章
基于 MCMC 算法的贝叶斯面板单位根检验?
面板数据
贝叶斯方法
分位数
单位根
仿真
基于M-H抽样算法的贝叶斯Probit分位回归模型研究
仿真
Probit模型
贝叶斯方法
分位回归
离散选择
基于MCMC的贝叶斯长记忆随机波动模型研究
仿真分析
随机波动
贝叶斯分析
抽样
马尔科夫过程
基于MH算法的贝叶斯分位自回归模型
时间序列分析
分位数
AR模型
贝叶斯方法
仿真
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于MCMC算法的多元线性回归变点模型的贝叶斯估计
来源期刊 河南科学 学科
关键词 多元线性回归 MCMC算法 满条件分布 贝叶斯估计
年,卷(期) 2020,(8) 所属期刊栏目 数学研究
研究方向 页码范围 1210-1214
页数 5页 分类号 O212.8
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 董翠玲 12 3 1.0 1.0
2 周菊玲 46 75 5.0 6.0
3 刘贞 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (75)
共引文献  (72)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1954(1)
  • 参考文献(0)
  • 二级参考文献(1)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(2)
  • 参考文献(0)
  • 二级参考文献(2)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(9)
  • 参考文献(0)
  • 二级参考文献(9)
2017(5)
  • 参考文献(1)
  • 二级参考文献(4)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(1)
  • 二级参考文献(1)
2020(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(4)
  • 参考文献(4)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多元线性回归
MCMC算法
满条件分布
贝叶斯估计
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
河南科学
月刊
1004-3918
41-1084/N
大16开
1982-01-01
chi
出版文献量(篇)
7108
总下载数(次)
0
论文1v1指导