DSMA vs GSM : Différences dans la Moyenne de Modèles Bayésienne

À la fois DSMA (Dynamic Stochastic Model Averaging) et GSM (Generalized Stochastic Model Averaging) sont des techniques de moyenne de modèles bayésiennes qui combinent plusieurs modèles en utilisant des poids basés sur probabilités postérieures. La différence clé réside dans comment ces probabilités postérieures sont calculées.

Approche DSMA

DSMA estime les probabilités postérieures en utilisant l'échantillonnage d'importance bayésien. Cette méthode repondère des échantillons d'une distribution de proposition pour approximer la postérieure cible.

Approche GSM

GSM emploie des méthodes Markov chain Monte Carlo (MCMC) plus sophistiquées. Il utilise une représentation en mélange de la prior sur les modèles, créant une chaîne de Markov sur l'espace des modèles avec la distribution cible comme distribution invariante. Le schéma MCMC se déplace entre modèles de dimensions différentes, mettant à jour à la fois coefficients du modèle et vecteur indicateur de sélection de modèle.

Implication Pratique

L'approche MCMC de GSM fournit généralement des estimations postérieures plus consistantes des paramètres et prédictions, même sous diverses formes de misspécification de modèle, au coût d'une complexité computationnelle accrue.