贝叶斯模型平均在 Zellner 的 g 先验下的线性模型。 选项包括:固定(BRIC、UIP、...)和灵活的g先验(经验贝叶斯、超g)、5种模型先验概念,以及通过模型枚举或MCMC采样器(Metropolis-Hastings plain or reversible jump)进行模型采样)。 后处理允许根据不同的概念(可能性与基于 MCMC)和绘图(后验模型大小和系数密度、最佳模型、模型收敛、BMA 比较)进行推理。
需要安装 R D-COM 接口或 RAndFriends。
适用于 Matlab 6.5 及更高版本
有关更多详细信息,请参阅: http://bms.zeugner.eu/matlab/
2021-08-22 14:05:07
56KB
matlab
1