研究简单回归模型中响应变量受到另一随机变量序列污染时,模型参数和污染系数的估计,运用 EM 算法给出了两类污染数据回归模型的参数的极大似然估计( MLE),并用 Gibbs抽样的方法给出了未知参数的 Monte-C arlo估计.

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。

吉布斯采样是统计学中用于马尔科夫蒙特卡洛的一种算法，用于在难以直接采样时从某一多变量概率分布中近似抽取样本序列。文档内有例子和代码以及运行结果。