摘要
针对现有动态面板数据分析中存在偶发参数和没有考虑模型参数的不确定性风险问题,提出了基于Gibbs抽样算法的贝叶斯随机系数动态面板数据模型.假设初始值服从平稳分布,自回归系数服从Logit正态分布的条件下,设计了Markov链Monte Carlo数值计算程序,得到了模型参数的贝叶斯估计值.实证研究结果表明:基于Gibbs抽样方法的贝叶斯动态面板回归模型能有效地揭示跨截面滞后变量对响应变量的位置、尺度和形状的影响.
We developed the hierarchical Bayesian approach for inference in random coefficient dynamic panel data models. Our approach allows for the initial values of each unit＇s process to be correlated with the unit-specific coefficients. A stationarity assumption was imposed on each unit＇s process by assuming that the unit-specific autoregressive coefficient is drawn from a logitnormal distribution. The research shows that our approach can efficiently reveal how the lagged variables affect the location, scale and shape of the response variable across section.
出处
《经济数学》
北大核心
2011年第1期52-60,共9页
Journal of Quantitative Economics
基金
国家自然科学基金面上项目(70771038)
国家自然科学基金重点项目(71031004)
教育部留学回国人员科研启动基金项目(教外司留[2010]609)
湖南省自然科学基金创新群体项目(09JJT02)
教育部长江学者与发展创新团队项目(IRT0916)
