Non‐Gaussian dynamic Bayesian modelling for panel data
面板数据的非高斯动态贝叶斯建模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：摘要明确提出动态面板模型，并分别应用于个体收入数据和国家增长数据。
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
面板数据的非高斯动态贝叶斯建模
- 研究问题
- 如何在动态面板中同时容纳厚尾、偏态、个体效应和协变量，并检验各单位是否具有共同的动态行为？
- 方法与思路
- 作者提出非高斯一阶自回归面板模型，讨论先验设定与非正常先验下后验存在的条件，并允许个体动态参数以检验同质性。
- 材料陈述的贡献
- 摘要称模型兼顾厚尾与偏态处理、可解释性和计算便利，并推导后验存在条件；应用涵盖两组收入数据及国家增长数据。
- 阅读关注点
- 应核对非高斯分布的参数化、初始状态处理、后验存在条件，以及个体动态异质性检验和收入、国家增长应用的具体设定。
- 阅读边界
- 摘要未给出后验存在的具体条件、检验性质或应用结果，不能据此判断计算成本与估计优势；仅依据所给Crossref版本摘要。
原文摘要
Abstract A first order autoregressive non‐Gaussian model for analysing panel data is proposed. The main feature is that the model is able to accommodate fat tails and also skewness, thus allowing for outliers and asymmetries. The modelling approach is designed to gain sufficient flexibility, without sacrificing interpretability and computational ease. The model incorporates individual effects and covariates and we pay specific attention to the elicitation of the prior. As the prior structure chosen is not proper, we derive conditions for the existence of the posterior. By considering a model with individual dynamic parameters we are also able to formally test whether the dynamic behaviour is common to all units in the panel. The methodology is illustrated with two applications involving earnings data and one on growth of countries. Copyright © 2009 John Wiley & Sons, Ltd.