我正在使用 JAGS 对 ARMA 模型进行贝叶斯分析。我的数据是模拟数据,所以我知道结果。
到目前为止,如果我估计(例如)一个平稳的 AR(1) 过程,我会得到自回归参数的良好结果。
现在,我有一个时间序列,在一半的观察后有一个单位根。所以 1:500 固定 AR(1)(自回归参数为 0.3),500:1000 单位根。我的目标是获得一个密度,该密度在固定自回归参数的值(例如 0.3)和单位根值(大约 1)上都有质量。我想表明单位根是时间序列的一部分......
我的期望是,如果我对像 rho1~dunif(-10,10) 这样的自回归参数使用非信息性统一先验,我应该在两个值上都获得质量。真正发生的是,我只是获得了介于两者之间的值(大约 0.6)。
- 我应该对自回归项使用不同的先验吗?我还有哪些非中心化的可能性?
- GIBBS 采样器怎么可能穿过静止和非静止部分,但直方图在 0.3(静止 ar 参数)和单位根周围没有绘制任何观察值?
*编辑:
发布代码有点困难,因为它同时在 R 和 JAGS 中。以下是 JAGS 模型。我使用这个 JAGS 模型来估计以下具有 1000 个观测值的时间序列: 1:500 AR(1) 过程:y= alpha + rho1*y[i-1],rho1=0.2 和 alpha=0。对于 501:1000,时间序列有一个单位根(随机游走)。
model {
for (i in 2:N)
{
y[i]~dnorm(f[i],tau)
f[i] <- alpha + rho1*y[i-1]
}
rho1~dunif(-10,10)
tau~dgamma(0.001,0.001)
alpha~dnorm(0,0.001)
}