Bayesian Inference in Common Microeconometric Models With Massive Datasets by Double Marginalized Subsampling
利用双重边缘化子抽样进行海量数据微观计量模型的贝叶斯推断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：摘要将 Probit 与层级纵向模型列为算法适用对象，分别支持离散选择和面板数据分类，这些分类反映其应用范围。
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
利用双重边缘化子抽样进行海量数据微观计量模型的贝叶斯推断
- 研究问题
- 海量数据下，贝叶斯后验模拟如何减少每次参数更新需要评估的观测数量，同时保持精确后验目标，并适用于常见微观计量模型？
- 方法与思路
- 作者提出双重边缘化子抽样及双重伪边缘化扩展，利用累积统计量的秩一更新减少逐次数据评估，并以精确后验分布为目标。
- 材料陈述的贡献
- 摘要称两种方法均针对精确后验分布，模拟展示统计与计算效率，并以存在偶然截断的海量按揭利率数据说明实际应用。
- 阅读关注点
- 核对条件共轭要求、两次边缘化的具体构造及精确后验结论的条件，特别关注子抽样更新、链混合和单位有效样本的计算成本。
- 阅读边界
- 摘要未说明精确性证明的完整条件、不同模型的混合表现与内存成本；减少数据评估量是否转化为总耗时下降仍需具体核验。
原文摘要
Bayesian inference with a large dataset is computationally intensive, as Markov chain Monte Carlo simulation requires a complete scan of the dataset for each proposed parameter update. To reduce the number of data points evaluated at each iteration of posterior simulation, we develop a double marginalized subsampling method, which is applicable to a wide array of microeconometric models including Tobit, Probit, regressions with non-Gaussian errors, heteroscedasticity and stochastic volatility, hierarchical longitudinal models, time-varying-parameter regressions, Gaussian mixtures, etc. We also provide an extension to double pseudo-marginalized subsampling, which has more applications beyond conditionally conjugate models. With rank-one update of the cumulative statistics, both methods target the exact posterior distribution, from which a parameter draw can be obtained with every single observation. Simulation studies demonstrate the statistical and computational efficiency of the marginalized sampler. The methods are also applied to a real-world massive dataset on the incidentally truncated mortgage rates.