BAYESIAN INFERENCE BASED ONLY ON SIMULATED LIKELIHOOD: PARTICLE FILTER ANALYSIS OF DYNAMIC ECONOMIC MODELS
仅基于模拟似然的贝叶斯推断：动态经济模型的粒子滤波分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要强调跨微观、宏观与金融的通用模拟推断，未说明具体模型足以支持某个细分分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
仅基于模拟似然的贝叶斯推断：动态经济模型的粒子滤波分析
- 研究问题
- 当经济模型的似然只能通过模拟获得时，如何将无偏似然估计用于贝叶斯推断，并借助粒子滤波处理动态模型？
- 方法与思路
- 作者说明在 Metropolis–Hastings 算法内使用无偏似然估计的推断方法，以粒子滤波生成此类估计，并通过四个问题展示实现。
- 材料陈述的贡献
- 摘要将统计文献已有结果引入经济模型推断，提供较通用的示例方法，并强调模型模拟可成为实施基于似然推断的基础。
- 阅读关注点
- 应核对无偏估计的构造、算法实际针对的分布、粒子数与模拟噪声对混合的影响，以及四个示例所需的模型计算能力。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断任意可模拟模型是否均能直接实施，或算法效率与收敛条件；示例细节及刊本变化未说明。
原文摘要
We note that likelihood inference can be based on an unbiased simulation-based estimator of the likelihood when it is used inside a Metropolis–Hastings algorithm. This result has recently been introduced in statistics literature by Andrieu, Doucet, and Holenstein (2010, Journal of the Royal Statistical Society, Series B , 72, 269–342) and is perhaps surprising given the results on maximum simulated likelihood estimation. Bayesian inference based on simulated likelihood can be widely applied in microeconomics, macroeconomics, and financial econometrics. One way of generating unbiased estimates of the likelihood is through a particle filter. We illustrate these methods on four problems, producing rather generic methods. Taken together, these methods imply that if we can simulate from an economic model, we can carry out likelihood–based inference using its simulations.