每个贝叶斯因子将两个分量的模型与多个分量p=1、3、4、…、的模型进行比较,10.Bordes等人(2006年)和Hunter等人(2007年)的竞争性mo-dels-Bayes因子B2,12.7979BF2,32.8601BF2,43.0305BF2,53.1008BF2,63.1558BF2,73.1926BF2,83.4840BF2,92.9698bF2102.9564公制位置移动半参数模型,该模型基于非特定密度的混合,假设为对称,见Benaglia等人(2009年)。图4显示了安然长期负债(欧元)的柱状图,该柱状图采用两组分正态混合(实线)和半参数模型(虚线)。在第一行图中,半参数模型是在没有规定混合成分初始平均值的情况下获得的,而在第二行图中,半参数模型是在规定混合成分初始平均值的情况下获得的。在前一种情况下,半参数模型表现出比正常混合物更差的性能,为混合物添加了新的不必要成分。在后一种情况下,半参数模型的性能与正常混合非常相似,并且不会改善与原始数据的拟合。将半参数模型应用于其他考虑的数据集的剩余边缘得到了非常相似的结果。因此,我们使用双组分正态混合模型对当前和长期资产和负债进行建模,因为这是填补边际资产的最佳模型。对于每一家公司,我们在表3中报告了相应混合模型的参数估计值(后验平均值),以及95%可信区间(括号内)。Cirio数据的分类概率η相当接近0.5,资产图4:安然长期负债(欧元)直方图,符合两组分正态混合(实线)和半参数模型(虚线)。
|