贝叶斯分析好坏_高人进，关于贝叶斯估计的几个重要问题！

在做贝叶斯估计过程中，经常遇到以下几个问题，有谁能解答我的这些困惑：

1、模型所有设定都不变的情况下，每次估计的结果都存在差异，有时候还差异相当大，这是怎么回事？是不是因为贝叶斯每次产生的随机数据本身决定了每次估计结果不可能相同？

2、如果不改变任何模型参数的情况下，同样的运行几次，发现每次的结果有显著差异，那么：(1)这是否说明模型估计本身不可靠？(2)如果结果都是正常的，那么根据什么标准来选择采用哪一次的估计结果？

3、在采用贝叶斯估计时，我们知道，如果后验分布比现验分布相对更为集中，则说明观测数据确实提供了新的信息，但是，如果发现后验分布反而比先验分布更为分散，那这说明了什么问题？是说明先验分布的选择有问题，还是说明根据观测数据提供的信息，真实的参数确实是处于一种较为分散的分布状态？具体例子，可参阅附件中phi_pi的先验分布和后验分布对比。

4、如何根据Dynare中的估计结果来判断后验参数的显著性？举个例子，当结果如下时：

RESULTS FROM POSTERIOR MAXIMIZATION

parameters

prior mean     mode    s.d. t-stat prior pstdev

tao_g          0.030   0.0300  0.0100  2.9999 norm  0.0100

rho_r          0.500   0.9509  0.0142 66.8227 beta  0.2000

psi_b         -0.030  -0.0370  0.0185  1.9982 norm  0.0200

tao_y          0.000  -0.0136  0.0417  0.3252 norm  0.0500

standard deviation of shocks

prior mean     mode    s.d. t-stat prior pstdev

epsilon_pi     0.500   0.5410  0.0481 11.2511 invg     Inf

epsilon_r      0.010   0.0046  0.0019  2.4618 invg     Inf

epsilon_c      0.800   0.4785  0.1559  3.0685 invg     Inf

ESTIMATION RESULTS

parameters

prior mean post. mean   conf. interval  prior     pstdev

tao_g             0.030     0.0369     0.0236   0.0565  norm      0.0100

rho_r             0.500     0.9395     0.8975   0.9590  beta      0.2000

psi_b            -0.030    -0.0435    -0.0766  -0.0210  norm      0.0200

tao_y             0.000    -0.0498    -0.0906   0.0175  norm      0.0500

standard deviation of shocks

prior mean post. mean   conf. interval  prior     pstdev

epsilon_pi        0.500     0.5553     0.4621   0.6139  invg         Inf

epsilon_r         0.010     0.0098     0.0056   0.0127  invg         Inf

epsilon_c         0.800     0.3367     0.1142   0.7669  invg         Inf

请具体指出各参数的显著性，及根据什么标准？

真心向大家请教上述问题，如能承蒙管理员置顶，则泪牛满面，万分感激.........