Abstrakt

Bayesianische Schätzung von Gleichungsmodellen mit Ausreißern und Multikollinearitätsproblem

Oluwadare O Ojo*, Oluwaseun A Adesina

Ausreißer und Multikollinearität sind Probleme bei der Analyse von simultanen Gleichungsmodellen (SEM). Sie können zu Verzerrungen oder Ineffizienzen der Schätzer führen. In dieser Studie wurde eine Bayes'sche Technik zur Schätzung von SEM angewendet, die sowohl durch Multikollinearität als auch durch Ausreißer gekennzeichnet ist. Es wurde ein Monte-Carlo-Experiment angewendet, während die Datensätze mit angegebenen Ausreißern und Multikollinearität für das SEM simuliert wurden. Anschließend wurden die Schätzungen der Bayes'schen und klassischen Methoden, nämlich der Methode der kleinsten Quadrate mit zwei Stufen (2SLS), der Methode der kleinsten Quadrate mit drei Stufen (3SLS) und der Methode der kleinsten Quadrate mit gewöhnlichen Quadraten (OLS) im simultanen Gleichungsmodell verglichen. Als Vergleichskriterien dienten der mittlere quadratische Fehler (MSE) und der absolute Bias (AB). Die Bayes'sche Schätzmethode übertraf andere klassische Methoden, gefolgt von der Methode der kleinsten Quadrate mit zwei Stufen, der Methode der kleinsten Quadrate mit drei Stufen und der Maximum-Likelihood-Methode mit begrenzten Informationen in Bezug auf MSE und AB. Die klassische Methode weist jedoch dieselbe Leistung wie die Bayes-Methode auf, wenn es im Gleichungsmodell keine Ausreißer und Multikollinearität gibt. Daher ist die Bayes-Schätzmethode der klassischen Methode vorzuziehen, wenn es in einem gerade identifizierten Gleichungsmodell Probleme mit Ausreißern und Multikollinearität gibt. Mathematische Fachklassifizierung: 62C10, 62CO7.