《基於對稱識別方法的貝葉斯probit模型穩健性研究》是依託南京大學，由潘茂林擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於對稱識別方法的貝葉斯probit模型穩健性研究
- 項目類別：青年科學基金項目
- 項目負責人：潘茂林
- 依託單位：南京大學
項目摘要,結題摘要,
項目摘要
Probit模型是處理離散選擇問題的一個有力工具，特別是近年來貝葉斯計算的快速發展，使得probit模型獲得廣泛套用。但是probit模型使用時存在參數識別問題。最新研究發現在用貝葉斯方法處理基於經典識別方法的多項probit模型時出現模型推斷關於選擇對象的標號敏感。接著有研究提出了對稱識別方法，並基於此識別法建立多項probit模型以及進行貝葉斯分析，發現推斷凳判擔結果不依賴於標號變化，非常穩健。隨著實際套用中排序數據、多期選擇數據的出現，多項probit模型已不能滿足需要，另外，目前關於這兩種數據的probit模型研究主要集中在分乎匙剃析的便利性方面，而與識別方法相關的模型推斷的穩健性還是空白。本項目主要對基於對稱識別方法的酷灶舉刪失排序probit模型和多期多項probit模型進行貝葉斯推斷的穩健性研究，另外研究這兩種模型在實際中的套用。
結題摘要
貝葉斯多項probit模型廣泛用於分析規則的離散選擇數據。最新研究發現由現有的模型所產生的後驗預測對被選擇對象的標號有敏感性，即不同的人為標號會導致不同的預測結果。對於規則數據，我們已經提出了贈廈芝霉全局對稱識別模型有效解決了貝葉斯後驗預測的敏感性問題。隨著網路和計算機技術的發展，產生了大量的複雜選擇數據，比如刪失排序數據，多期多項選擇數據。本項目的任務是利用對稱識別方法建立穩健的貝葉斯probit模型來處理這些複雜的選擇數據。對於刪失排序數據，我堡淚求們已經建好了貝葉斯刪失排序probit模型，基於這個模型可以得到穩健的後驗預測結歸墊捉察果。另外，還將此模型用於分析香港賽馬數據，發現模型給出預測與真實結果吻合很再鞏好。
