DSMA vs. GSM: Differenze nella Mediazione Bayesiana dei Modelli

Entrambe le tecniche DSMA (Dynamic Stochastic Model Averaging) e GSM (Generalized Stochastic Model Averaging) sono metodi di mediazione Bayesiana dei modelli che combinano più modelli usando pesi basati su probabilità posteriori. La differenza chiave sta nel modo in cui tali probabilità posteriori vengono calcolate.

Approccio DSMA

DSMA stima le probabilità posteriori usando l'importance sampling Bayesiano. Questo metodo riequilibra campioni da una distribuzione di proposta per approssimare il posteriore target.

Approccio GSM

GSM impiega più sofisticati metodi Markov chain Monte Carlo (MCMC). Utilizza una rappresentazione a miscela del prior sui modelli, creando una catena di Markov sullo spazio dei modelli con la distribuzione target come sua distribuzione invariante. Lo schema MCMC si sposta tra modelli di dimensioni diverse, aggiornando sia i coefficienti del modello che il vettore indicatore di selezione del modello.

Implicazione Pratica

L'approccio basato su MCMC di GSM fornisce generalmente stime posteriori più consistenti di parametri e predizioni, anche sotto varie forme di misspecificazione del modello, a costo di una maggiore complessità computazionale.