Publicação: Multivariate Spatial Regression Models
Carregando...
Paginação
Primeira página
Última página
Data
Data de publicação
Data da Série
Data do evento
Data
Data de defesa
Data
Edição
Idioma
eng
Cobertura espacial
Cobertura temporal
País
BR
organization.page.location.country
Tipo de evento
Tipo
Grau Acadêmico
Fonte original
ISBN
ISSN
DOI
dARK
item.page.project.ID
item.page.project.productID
Detentor dos direitos autorais
Instituto de Pesquisa Econômica Aplicada (Ipea)
Acesso à informação
Acesso Aberto
Termos de uso
Reproduction of this text and the data it contains is allowed as long as the source is cited. Reproductions for commercial purposes are prohibited.
Titulo alternativo
Discussion Paper 116 : Multivariate Spatial Regression Models, Modelos de regressão espacial multivariada
item.page.organization.alternative
Variações no nome completo
Orientador(a)
Editor(a)
Organizador(a)
Coordenador(a)
item.page.organization.manager
Outras autorias
Palestrante / Mediador(a) / Debatedor(a)
Coodenador do Projeto
Banca de defesa
Resumo
Este artigo descreve os procedimentos para a inferência bayesiana de modelos multivariados. Esses modelos incluem uma componente espacial que é comumente utilizada em modelos econômicos. Em particular, os modelos de regressões aparentemente não-relacionadas Sure e vetores auto-regressivos são estendidos para acomodar a dependência espacial. Os procedimentos de inferência são baseados em uma variedade de esquemas de simulação desenhados para obter amostras da distribuição a posteriori dos parâmetros do modelo. Estes podem ser utilizados para prover também estimativas da previsão de novas observações.
Resumo traduzido
This paper describes the inference procedures required to perform Bayesian inference to some multivariate econometric models. These models have a spatial component built into commonly used multivariate models. In particular, the seemingly unrelated regression and vector autoregressive models are addressed and extended to accommodate for spatial dependence. Inference procedures are based on a variety of simulation-based schemes designed to obtain samples from the posterior distribution of model parameters. They are also used to provide a basis to forecast new observations.