Semiparametric Bayesian Modeling of Income Volatility Heterogeneity
收入波动异质性的半参数贝叶斯建模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：摘要直接研究个人收入的动态异质性，并明确为面板数据的序列依赖设计先验。
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
收入波动异质性的半参数贝叶斯建模
- 研究问题
- 个人收入波动既可能随时间变化，也可能在个体之间存在差异，如何对这种不可观测的动态异质性进行联合建模？
- 方法与思路
- 作者构造半参数贝叶斯随机波动模型，以马尔可夫层级 Dirichlet 过程先验扩展层级 Dirichlet 过程，容纳面板序列依赖。
- 材料陈述的贡献
- 摘要称该先验能够处理面板数据中的序列依赖，并通过收入波动分析记录其时间动态及显著的个体异质性。
- 阅读关注点
- 应核对收入过程与潜在波动的联系、先验如何表达持续性与个体差异，以及数据覆盖、测量误差处理和后验敏感性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供数据来源、收入过程设定或异质性数值，收入波动也只是文中采用的风险代理。
原文摘要
Research on income risk typically treats its proxy—income volatility, the expected magnitude of income changes—as if it were unchanged for an individual over time, the same for everyone at a point in time, or both. In reality, income risk evolves over time, and some people face more of it than others. To model heterogeneity and dynamics in (unobserved) income volatility, we develop a novel semiparametric Bayesian stochastic volatility model. Our Markovian hierarchical Dirichlet process (MHDP) prior augments the recently developed hierarchical Dirichlet process (HDP) prior to accommodate the serial dependence of panel data. We document dynamics and substantial heterogeneity in income volatility.