具有许多矩条件的广义矩方法的自适应 MCMC
摘要：大量矩条件下广义矩法（GMM）估计器不可靠，即可与样本量相当或更大。传统GMM文献针对这个问题提出了几种解决方法，但其贝叶斯对应物（即使用GMM准似然作为拟似然的贝叶斯推断）几乎完全忽略了这个问题。本研究通过提出一种适应性马尔科夫链蒙特卡洛（MCMC）方法，用于具有许多矩条件的GMM推断，弥补了这一差距。特别地，本研究侧重于动态调整加权矩阵。我们的提议包括两个元素。第一个是使用非参数化的特征值正则化精确矩阵估计器，有助于数值稳定性。第二个是加权矩阵的随机更新，显著降低了计算成本，同时保持了估计的准确性。然后，我们提供了一个仿真研究和实际数据应用，以比较所提方法与现有方法的性能。
作者：Masahiro Tanaka
论文ID：1811.00722
分类：Computation
分类简称：stat.CO
提交时间：2021-03-11