تحلیل بیزی مدل‌های رگرسیونی عرض از مبدأ تصادفی با توزیع لاپلاس- چوله

فرض متداول در برازش مدل‌های رگرسیونی عرض از مبدأ تصادفی، نرمال بودن توزیع مؤلفه‌های خطا و اثرهای تصادفی است. با توجه به این‌که غیرنرمال بودن این توزیع‌ها در کاربرد‌های تجربی امکان‌پذیر است مطالعه‌ بر روی توزیع‌های منعطف‌تر از نرمال در سال‌های اخیر مورد توجه محققین قرارگرفته است. در این مقاله ما با در نظرگرفتن توزیع‌ لاپلاس- چوله برای مؤلفه‌های خطا و اثرهای تصادفی، مدل رگرسیونی منعطفی را در برازش داده‌های وابسته توسط الگوریتم نمونه‌گیری‌گیبز که مبتنی بر رهیافت بیز است برای استنباط پارامترهای مدل به‌کار می‌بریم. بدین منظور با بهره‌گیری از نمایش سلسله مراتبی توزیع لاپلاس- چوله، توزیع‌های پسین شرطی کامل مورد نیاز الگوریتم را محاسبه‌ می‌کنیم. در نهایت، با تحلیل مجموعه‌ داده‌های تجربی در زمینه‌ی اقتصاد اهمیت مدل پیشنهادی را نشان می‌دهیم.