A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Efficient Bayesian generalized linear models with time-varying coefficients : The walker package in R (2022)


Helske, J. (2022). Efficient Bayesian generalized linear models with time-varying coefficients : The walker package in R. SoftwareX, 18, Article 101016. https://doi.org/10.1016/j.softx.2022.101016


JYU-tekijät tai -toimittajat


Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajatHelske, Jouni

Lehti tai sarjaSoftwareX

eISSN2352-7110

Julkaisuvuosi2022

Ilmestymispäivä24.02.2022

Volyymi18

Artikkelinumero101016

KustantajaElsevier BV

JulkaisumaaAlankomaat

Julkaisun kielienglanti

DOIhttps://doi.org/10.1016/j.softx.2022.101016

Julkaisun avoin saatavuusAvoimesti saatavilla

Julkaisukanavan avoin saatavuusKokonaan avoin julkaisukanava

Julkaisu on rinnakkaistallennettu (JYX)https://jyx.jyu.fi/handle/123456789/80507

Rinnakkaistallenteen verkko-osoite (pre-print)https://arxiv.org/abs/2009.07063

LisätietojaOriginal software publication.


Tiivistelmä

The R package walker extends standard Bayesian general linear models to the case where the effects of the explanatory variables can vary in time. This allows, for example, to model the effects of interventions such as changes in tax policy which gradually increases their effect over time. The Markov chain Monte Carlo algorithms powering the Bayesian inference are based on Hamiltonian Monte Carlo provided by Stan software, using a state space representation of the model to marginalize over the regression coefficients for efficient low-dimensional sampling.


YSO-asiasanataikasarjatregressioanalyysilineaariset mallitbayesilainen menetelmäMarkovin ketjutMonte Carlo -menetelmätR-kieli

Vapaat asiasanatBayesian inference; time-varying regression; R; Markov chain Monte Carlo


Liittyvät organisaatiot


Hankkeet, joissa julkaisu on tehty


OKM-raportointiKyllä

Raportointivuosi2022

JUFO-taso1


Viimeisin päivitys 2024-30-04 klo 18:26