کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5095837 1376487 2015 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A Bayesian chi-squared test for hypothesis testing
ترجمه فارسی عنوان
آزمون فرضیه بیزی برای آزمون فرضیه
ترجمه چکیده
یک آزمون جدید بیزی برای آزمون یک فرضیه صفر بر اساس یک افت درجه دوم پیشنهاد شده است. آمار تست پیشنهادی ممکن است به عنوان نسخه بیزی تست چند برابر لاگرانژ مورد توجه قرار گیرد. توزیع آستانه آن بر اساس مجموعه ای از شرایط منظم به دست می آید و از توزیع چی مربع پیروی می کند که فرضیه صفر درست باشد. آمار جدید دارای مزایای مهمی است که در برنامه های کاربردی کاربردی بسیار جذاب است. در ابتدا، تحت توزیع های نامناسب تعریف شده است. دوم اینکه، اجتناب از پارادوکس جفری لینلی است. سوم، همیشه یک مقدار غیر منفی دارد و حتی برای مدل هایی با متغیرهای پنهان نیز قابل محاسبه است. چهارم، خطای استاندارد عددی آن نسبتا آسان است. در نهایت، آن به صورت آستانه ای محوری و مقادیر آستانه آن می تواند از توزیع چی مربع بدست آید. این روش با استفاده از برخی نمونه های واقعی در اقتصاد و امور مالی نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
A new Bayesian test statistic is proposed to test a point null hypothesis based on a quadratic loss. The proposed test statistic may be regarded as the Bayesian version of the Lagrange multiplier test. Its asymptotic distribution is obtained based on a set of regular conditions and follows a chi-squared distribution when the null hypothesis is correct. The new statistic has several important advantages that make it appealing in practical applications. First, it is well-defined under improper prior distributions. Second, it avoids Jeffrey-Lindley's paradox. Third, it always takes a non-negative value and is relatively easy to compute, even for models with latent variables. Fourth, its numerical standard error is relatively easy to obtain. Finally, it is asymptotically pivotal and its threshold values can be obtained from the chi-squared distribution. The method is illustrated using some real examples in economics and finance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 189, Issue 1, November 2015, Pages 54-69
نویسندگان
, , ,