Modelos de Regresión Lasso y Ridge Bayesianos No Paramétricos : una aproximación para identificar los determinantes macroeconómicos del crecimiento
Cargando...
Autores
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El documento presenta la estructura probabilística y el marco computacional de los modelos de regresión LASSO y Ridge Bayesianos no paramétricos, a partir de la caracterización del modelo de mezcla de Proceso de Dirichlet según el Proceso de Restaurante Chino y el algoritmo Muestreador de Gibbs. El ejercicio de simulación indica que los modelos propuestos capturan la estructura de agrupamiento y la relación lineal dentro de un conjunto de datos que proviene de un número desconocido de varias distribuciones de probabilidad, al tiempo que obtienen una mejor bondad de ajuste y habilidad predictiva frente a su contraparte paramétrica. Al ajustar los modelos de regresión LASSO y Ridge Bayesianos para identificar los determinantes del crecimiento económico, se concluye que el nivel de PIB per cápita tiene un efecto negativo y la tasa de matriculación en educación primaria en 1960, el número de años de apertura comercial entre 1950 y 1994 y la minería como proporción del PIB tienen un efecto positivo sobre el crecimiento económico. (Texto tomado de la fuente)
Abstract
The document presents the probabilistic structure and computational framework of Bayesian nonparametric LASSO and Ridge regression models, based on the characterization of the Dirichlet Process mixture model according to the Chinese Restaurant Process and the Gibbs Sampler algorithm. The simulation exercise indicates that the proposed models effectively capture the clustering structure and linear relationship within a dataset that comes from an unknown number of distinct probability distributions, while achieving better goodness of fit and predictive ability compared to their parametric counterparts. To identify the determinants of economic growth, Bayesian LASSO and Ridge regression models are fitted, and it is concluded that the level of GDP per capita in 1960 has a negative effect, while the primary school enrollment rate in 1960, the number of years of trade openness between 1950 and 1994, and mining as a proportion of GDP have a positive effect on economic growth.
Palabras clave propuestas
Crecimiento económico; Modelo Bayesiano no Paramétrico; Muestreador de Gibbs; Proceso de Dirichlet; Proceso de restaurante chino; Regresión LASSO Bayesiana; Regresión Ridge Bayesiana; Economic growth; Bayesian Nonparametric Model; Gibbs Sampler; Dirichlet Process; Chinese restaurant process; Bayesian LASSO; Bayesian Ridge
Descripción
ilustraciones, diagramas, tablas