Bayesian empirical likelihood

新的两步Metropolis-Hastings算法增强了贝叶斯经验似然方法

研究人员开发了一种新颖的两步Metropolis-Hastings算法，旨在提高贝叶斯经验似然（BayesEL）方法马尔可夫链蒙特卡洛（MCMC）采样的效率。这种新方法解决了先前限制BayesEL应用的复杂性和非凸性问题，尤其是在联合分位数回归等领域。该算法通过使用当前参数值来提议剩余参数的新值，从而促进了从BayesEL后验分布的采样，并且可以通过可逆跳跃MCMC程序扩展到贝叶斯模型选择。