Priors for Macroeconomic Time Series and Their Application
宏观经济时间序列的先验及其应用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：摘要明确分析宏观时间序列的趋势平稳、差分平稳及贝叶斯推断。
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
宏观经济时间序列的先验及其应用
- 研究问题
- 在带独立 Student-t 扰动的宏观趋势平稳模型中，先验选择如何影响后验形状及支持差分平稳的后验优势比？
- 方法与思路
- 作者提出由单一参数索引的信息性非共轭先验族，以六步 Gibbs 抽样构造后验矩、密度和优势比，并分析若干宏观序列。
- 材料陈述的贡献
- 摘要称所分析序列的后验分布并非近似高斯，且支持差分平稳的后验优势比对先验选择敏感，并给出相应映射。
- 阅读关注点
- 应核对先验索引参数的含义与 elicitation 方法、抽样器步骤和收敛诊断，以及模型比较与后验敏感性的计算方式。
- 阅读边界
- 仅据所给 Crossref 摘要；先验公式、样本处理和数值结果未提供，不能把特定序列上的敏感性结论推广至所有宏观数据。
原文摘要
This paper takes up Bayesian inference in a general trend stationary model for macroeconomic time series with independent Student- t disturbances. The model is linear in the data, but nonlinear in parameters. An informative but nonconjugate family of prior distributions for the parameters is introduced, indexed by a single parameter that can be readily elicited. The main technical contribution is the construction of posterior moments, densities, and odd ratios by using a six-step Gibbs sampler. Mappings from the index parameter of the family of prior distribution to posterior moments, densities, and odds ratios are developed for several of the Nelson–Plosser time series. These mappings show that the posterior distribution is not even approximately Gaussian, and they indicate the sensitivity of the posterior odds ratio in favor of difference stationarity to the choice of the prior distribution.