贝叶斯方法计算后验分布函数常常是复杂的、高维的,甚至是非标准形式的,其积分计算十分困难[1-2]。譬如,在行为学、社会学、心理学和医学中,许多潜变量模型需要用到结构方程模型,而结构方程模型的应用,常常含有高纬复杂的模型,不能显示...贝叶斯方法计算后验分布函数常常是复杂的、高维的,甚至是非标准形式的,其积分计算十分困难[1-2]。譬如,在行为学、社会学、心理学和医学中,许多潜变量模型需要用到结构方程模型,而结构方程模型的应用,常常含有高纬复杂的模型,不能显示表达其分布[3],直接估计困难,可用贝叶斯估计方法,特别是GIBBS抽样方法和MCMC(Markov Chain Monte Carlo)估计方法[4-5]。MCMC方法可解决此类问题[6-7],其实现由专业软件WINBUGS[8]或OpenBUGS[9]完成。GIBBS抽样是构建马尔科夫链最流行的MCMC方法[10-11],其计算工作量较大,对计算机软硬件有较高要求。展开更多
文摘贝叶斯方法计算后验分布函数常常是复杂的、高维的,甚至是非标准形式的,其积分计算十分困难[1-2]。譬如,在行为学、社会学、心理学和医学中,许多潜变量模型需要用到结构方程模型,而结构方程模型的应用,常常含有高纬复杂的模型,不能显示表达其分布[3],直接估计困难,可用贝叶斯估计方法,特别是GIBBS抽样方法和MCMC(Markov Chain Monte Carlo)估计方法[4-5]。MCMC方法可解决此类问题[6-7],其实现由专业软件WINBUGS[8]或OpenBUGS[9]完成。GIBBS抽样是构建马尔科夫链最流行的MCMC方法[10-11],其计算工作量较大,对计算机软硬件有较高要求。
