近日，首都经济贸易大学金融学院青年教师汪念玲博士，与中国人民大学经济学院李勇教授、新加坡管理大学经济学院余俊教授合作的题为“Improved marginal likelihood estimation via power posteriors and importance sampling”的论文在计量经济学权威期刊Journal of Econometrics在线发表。

该论文基于幂后验和重要性抽样，对已有文献中的边际似然估计方法thermodynamic integration (TI) 算法和steppingstone sampling (SS) 算法进行了改进。首先，在一定的常规条件下，证明了伯恩斯坦·冯·米塞斯定理对幂后验也成立。基于该伯恩斯坦·冯·米塞斯定理，经系数调整后的幂后验分布和原始的后验分布具有相同的极限分布，从而构造了一种提议分布，通过重要性抽样对TI算法和SS算法进行改进。和TI算法、SS算法在应用时需要重复进行幂后验抽样不同，改进后的算法只需要进行一次后验分布的抽样，从而大大提高了计算效率。并且，使用改进算法避免了进行幂后验抽样可能存在的额外的代码编写的麻烦。同时，文章还证明了在什么情况下TI算法和改进后的TI算法可以给出一致的边际似然估计量。最后，文章通过两个例子具体展现了改进算法的计算效率。

汪念玲博士，2021年6月毕业于中国人民大学汉青研究院，于2021年9月加入首都经济贸易大学金融学院。研究方向为金融计量，贝叶斯计量经济学，资产定价等。