Titelaufnahme

Titel
Bayesian analysis of reduced rank regression models using post-processing / Christian Aßmann, Jens Boysen-Hogrefe, Markus Pape
VerfasserAßmann, Christian ; Boysen-Hogrefe, Jens ; Pape, Markus
Erschienen[Dortmund] : SFB 823, 2021
Ausgabe
Elektronische Ressource
Umfang1 Online-Ressource (30 Seiten) : Diagramme
SerieDiscussion paper ; Nr. 13 (2021)
SchlagwörterBayes-Verfahren / Regressionsmodell / Reduzierter Rang / Stiefel-Mannigfaltigkeit / Gibbs-sampling / Bayes-Inferenz / Simulation
URNurn:nbn:de:hbz:6:2-1514456 
DOI10.17877/DE290R-22158 
Zugänglichkeit
 Das Dokument ist öffentlich im Netz zugänglich.
Dateien
Bayesian analysis of reduced rank regression models using post-processing [0.83 mb]
Zusammenfassung

Bayesian estimation of reduced rank regression models requires careful consideration of the well known identification problem. We demonstrate that this identification problem can be handled efficiently by using prior distributions that restrict a part of the parameter space to the Stiefel manifold and post-processing the obtained Gibbs sampler output according to an appropriately specified loss function. This extends the possibilities for Bayesian inference in reduced rank regression models. Besides inference, we also discuss model selection in terms of posterior predictive assessment. We choose this approach because computing the marginal data likelihood under the identifying restrictions implies prohibitive computational burden. We illustrate the proposed approach with a simulation study and an empirical application.

Klassifikation
Links
Nachweis
Statistik
Das PDF-Dokument wurde 3 mal heruntergeladen.
Nutzungshinweis
 Das Medienwerk ist im Rahmen des deutschen Urheberrechts nutzbar.