Bayesian treatment of the independent student-t linear model
独立 Student-t 误差线性模型的贝叶斯分析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：摘要明确应用于宏观经济时间序列，并比较差分平稳与趋势平稳假说，因此归入宏观时间序列方向。
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
独立 Student-t 误差线性模型的贝叶斯分析
- 研究问题
- 在线性模型中允许独立同分布的 Student-t 误差，会怎样影响贝叶斯模型比较，以及差分平稳与趋势平稳的证据？
- 方法与思路
- 作者利用 Student-t 分布与正态尺度混合的等价表示，通过 Gibbs 抽样计算后验，并应用于若干宏观时间序列。
- 材料陈述的贡献
- 摘要称，后验赔率支持 Student-t 模型优于正态模型，且在前者中支持差分平稳相对趋势平稳的赔率往往明显降低。
- 阅读关注点
- 应核对自由度和其他参数的先验、混合表示与抽样收敛，以及后验赔率对先验选择和异常观测处理的敏感性。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要版本；摘要未说明具体序列、先验或赔率数值，所述模型偏好不能推广为一般优势。
原文摘要
This article takes up methods for Bayesian inference in a linear model in which the disturbances are independent and have identical Student-t distributions. It exploits the equivalence of the Student-t distribution and an appropriate scale mixture of normals, and uses a Gibbs sampler to perform the computations. The new method is applied to some well-known macroeconomic time series. It is found that posterior odds ratios favour the independent Student-t linear model over the normal linear model, and that the posterior odds ratio in favour of difference stationarity over trend stationarity is often substantially less in the favored Student-t models. Copyright 1993 by John Wiley & Sons, Ltd.