• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Spatial economic analysis >Bayesian Variable Selection in Spatial Autoregressive Models
【24h】

Bayesian Variable Selection in Spatial Autoregressive Models

机译：空间自回归模型中的贝叶斯变量选择

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper compares the performance of Bayesian variable selection approaches for spatial autoregressive models. It presents two alternative approaches that can be implemented using Gibbs sampling methods in a straightforward way and which allow one to deal with the problem of model uncertainty in spatial autoregressive models in a flexible and computationally efficient way. A simulation study shows that the variable selection approaches tend to outperform existing Bayesian model averaging techniques in terms of both in-sample predictive performance and computational efficiency. The alternative approaches are compared in an empirical application using data on economic growth for European NUTS-2 regions.
机译：本文比较了贝叶斯变量选择方法在空间自回归模型中的性能。它提出了两种可供选择的方法，这些方法可以使用Gibbs采样方法以一种简单的方式来实现，并且允许以一种灵活且计算高效的方式来处理空间自回归模型中的模型不确定性问题。仿真研究表明，就样本内预测性能和计算效率而言，变量选择方法往往优于现有的贝叶斯模型平均技术。在使用欧洲NUTS-2地区经济增长数据的经验应用中，对替代方法进行了比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号