Table 2 reports Bayesian estimates

Table 2 reports Bayesian estimates of the model parameters as

point estimates of posterior means with 90% confidence intervals

computed by Metropolis–Hastings sampling algorithm based on

100,000 draws. According to multivariate and univariate diagnostics,

a sample of 100,000 draws was sufficient to ensure convergence of

the Metropolis–Hastings sampling algorithm. The estimation results

are generally consistent with the existence literature. All parameters

are estimated to be significantly different from zero except the coefficients of lagged output gap in the fiscal policy rules. Moreover, the

data are informative as the posterior marginal densities of the parameters are generally more concentrated than the prior marginal densities (Table 2, Fig. 1).25

Kết quả (Việt) 1:

Bảng 2 báo cáo Bayes ước tính của các thông số mô hình như

điểm các ước tính của các phương tiện sau với khoảng tin cậy 90%

tính bởi giải thuật Metropolis-Hastings mẫu dựa trên

100, 000 rút ra. Theo đa biến và véc chẩn đoán,

một mẫu 100.000 rút ra là đủ để đảm bảo sự hội tụ của

thuật toán Metropolis-Hastings mẫu. Kết quả dự toán

được nói chung phù hợp với các tài liệu sự tồn tại. Tất cả thông số

được ước tính là đáng kể khác nhau từ số không ngoại trừ các hệ số của lagged sản lượng khoảng cách trong các quy tắc chính sách tài khóa. Hơn nữa, các

dữ liệu là thông tin theo mật độ biên sau của các tham số được thường tập trung hơn so với trước khi mật độ biên (bảng 2, hình 1).25

Kết quả (Việt) 2:

Bảng 2 báo cáo ước tính Bayesian của các thông số mô hình như ước lượng điểm của sau có nghĩa là với khoảng tin cậy 90% tính bằng Metropolis-Hastings thuật toán lấy mẫu dựa trên 100.000 rút ra. Theo chẩn đoán đa biến và đơn biến, một mẫu của 100.000 rút ra là đủ để đảm bảo hội tụ của thuật toán lấy mẫu Metropolis-Hastings. Kết quả ước lượng nói chung là phù hợp với các tài liệu tồn tại. Tất cả các thông số được ước tính là khác nhau đáng kể từ con số không, ngoại trừ hệ số chênh lệch sản lượng tụt trong các quy tắc chính sách tài khóa. Hơn nữa, dữ liệu thông tin như mật độ biên sau của các thông số nói chung là tập trung hơn so với mật độ biên trước (Bảng 2, Hình 1.) .25