,

مقاله روش بیزی قوی برای مدل های قابل قبول

19,000 تومان800,000 تومان

شناسه محصول: نامعلوم دسته: , برچسب: ,
عنوان مقاله به انگلیسی Robust Bayesian Method for Refutable Models
عنوان مقاله به فارسی مقاله روش بیزی قوی برای مدل های قابل قبول
نویسندگان Moyu Liao
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 30
دسته بندی موضوعات Econometrics,اقتصاد سنجی ,
توضیحات Submitted 9 January, 2024; originally announced January 2024.
توضیحات به فارسی ارسال شده در 9 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد.

چکیده

We propose a robust Bayesian method for economic models that can be rejected under some data distributions. The econometrician starts with a structural assumption which can be written as the intersection of several assumptions, and the joint assumption is refutable. To avoid the model rejection, the econometrician first takes a stance on which assumption $j$ is likely to be violated and considers a measurement of the degree of violation of this assumption $j$. She then considers a (marginal) prior belief on the degree of violation $(π_{m_j})$: She considers a class of prior distributions $π_s$ on all economic structures such that all $π_s$ have the same marginal distribution $π_m$. Compared to the standard nonparametric Bayesian method that puts a single prior on all economic structures, the robust Bayesian method imposes a single marginal prior distribution on the degree of violation. As a result, the robust Bayesian method allows the econometrician to take a stance only on the likeliness of violation of assumption $j$. Compared to the frequentist approach to relax the refutable assumption, the robust Bayesian method is transparent on the econometrician’s stance of choosing models. We also show that many frequentists’ ways to relax the refutable assumption can be found equivalent to particular choices of robust Bayesian prior classes. We use the local average treatment effect (LATE) in the potential outcome framework as the leading illustrating example.

چکیده به فارسی (ترجمه ماشینی)

ما یک روش قوی بیزی را برای مدلهای اقتصادی پیشنهاد می کنیم که می تواند تحت برخی توزیع داده ها رد شود.اقتصاددان با یک فرض ساختاری شروع می شود که می تواند به عنوان تقاطع چندین فرض نوشته شود و فرض مشترک قابل تعویض است.برای جلوگیری از رد مدل ، اقتصادسین ابتدا موضع گیری می کند که احتمالاً $ j $ نقض می شود و اندازه گیری میزان تخلف این فرض $ j $ را در نظر می گیرد.او سپس اعتقاد قبلی (حاشیه ای) را در مورد درجه تخلف $ (π_ {m_j}) $ در نظر می گیرد: او یک کلاس از توزیع های قبلی $ π_s $ را در تمام ساختارهای اقتصادی می داند به گونه ای که تمام $ π_s $ توزیع حاشیه ای $ π_m$در مقایسه با روش استاندارد بیزی غیر پارامتری که پیش از این همه ساختارهای اقتصادی را قرار می دهد ، روش بیزی قوی یک توزیع قبلی حاشیه ای را بر میزان تخلف تحمیل می کند.در نتیجه ، روش قوی بیزی به اقتصاددان اجازه می دهد تا فقط در مورد احتمال نقض فرض $ j $ موضع بگیرد.در مقایسه با رویکرد مکرر برای آرامش فرض قابل قبول ، روش قوی بیزی بر موضع اقتصاددان در انتخاب مدل ها شفاف است.ما همچنین نشان می دهیم که بسیاری از روشهای متداول برای آرامش فرض قابل قبول می توانند معادل انتخاب های خاص کلاسهای قبلی بیزی قوی باشند.ما از اثر درمانی متوسط محلی (اواخر) در چارچوب نتیجه بالقوه به عنوان نمونه برجسته برجسته استفاده می کنیم.

توجه کنید این مقاله به زبان انگلیسی است.
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:

09395106248

توجه کنید که شرایط ترجمه به صورت زیر است:
  • قیمت هر صفحه ترجمه در حال حاضر 40 هزار تومان می باشد.
  • تحویل مقاله ترجمه شده به صورت فایل ورد می باشد.
  • زمان تحویل ترجمه مقاله در صورت داشتن تعداد صفحات عادی بین 3 تا 5 روز خواهد بود.
  • کیفیت ترجمه بسیار بالا می باشد. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه می‌شود.
  • کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج می‌شوند.
نوع دانلود

دانلود مقاله اصل انگلیسی, دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله, سفارش ترجمه فارسی مقاله + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “مقاله روش بیزی قوی برای مدل های قابل قبول”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا