抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模情報集合を扱うことができる多変量確率的揮発性を有するBayesベクトル自己回帰(VAR)モデルを開発した。3つの特徴を導入し,モデルの信頼できる推定を可能にした。最初に,VARにおける縮小型誤差が,条件付き方程式ごとの推定を可能にする因子確率的揮発性構造を特徴とすると仮定した。第2に,著者らは,次元のurseを硬化するために,VAR係数の前に,最近開発したグローバル局所収縮を適用した。第3に,高次元多変量Gauss分布から効率的にサンプリングする最近の革新を利用した。これは,次元が大きいが,時系列長が中程度であるとき,シミュレーションベースの完全Bayes推論を実行可能にする。広範なシミュレーション研究における著者らのアプローチの利点を実証し,その予測能力を評価するためにUSマクロ経済データにモデルを適用した。【JST・京大機械翻訳】