如果X t 1，X t 2，...的联合分布，则过程XŤXŤX_t严格地是平稳的。。。，X t m与X t 1 + k，X t 2 + k，...的联合分布相同。。。，X t m + k对于所有m，对于所有k以及对于所有t 1，t 2，XŤ1个，XŤ2，。。。，XŤ米XŤ1个，XŤ2，。。。，XŤ米X_{t_1},X_{t_2},...,X_{t_m}XŤ1个+ k，XŤ2+ k，。。。，XŤ米+ kXŤ1个+ķ，XŤ2+ķ，。。。，XŤ米+ķX_{t_1+k},X_{t_2+k},...,X_{t_m+k}米米mķķk。Ť1个，Ť2，。。。，Ť米Ť1个，Ť2，。。。，Ť米t_1,t_2,...,t_m 如果过程的均值是常数且其自协方差函数仅取决于滞后，则该过程为二阶平稳过程。 因此二阶平稳意味着严格平稳吗？ 同样在二阶平稳条件下，它说没有假设比一阶和二阶更高的力矩。第一个矩对应于均值，第二个矩对应于自协方差吗？
我正在为使用R和JAGS的元分析建立一个相当复杂的分层贝叶斯模型。简化了一下，该模型的两个关键级别具有 其中是的第观察研究终点（在这种情况下，是转基因作物与非转基因作物的产量），是研究的影响， s是各种研究水平变量的影响（通过函数族和索引完成了研究，作物种类，研究方法等）ÿ我Ĵ= αĴ+ ϵ一世ÿ一世Ĵ=αĴ+ϵ一世 y_{ij} = \alpha_j + \epsilon_i αĴ= ∑Hγh （j ）+ ϵĴαĴ=∑HγH（Ĵ）+ϵĴ\alpha_j = \sum_h \gamma_{h(j)} + \epsilon_jÿ我Ĵÿ一世Ĵy_{ij}一世一世iĴĴjαĴαĴ\alpha_jĴĴjγγ\gammaHHhϵϵ\epsilons是错误术语。请注意，不是虚拟变量的系数。相反，对于不同的研究水平值，存在不同的变量。例如，有为发展中国家和发达国家。 γγ\gammaγγ\gammaγde v e l o p 我Ñ 克γdËvË升Øp一世ñG\gamma_{developing}γdÈ v Ë 升ö p ë dγdËvË升ØpËd\gamma_{developed} 我主要对估算的值感兴趣。这意味着从模型中删除研究级别的变量不是一个好的选择。 γγ\gamma 一些研究水平变量之间具有高度相关性，我认为这在我的MCMC链中产生了很大的自相关性。此诊断图说明了链轨迹（左）和所得的自相关（右）： 自相关的结果是，我从4个每10,000个样本的链中获得了60-120的有效样本量。 我有两个问题，一个是客观的，另一个是主观的。 除了细化，添加更多链和使采样器运行更长时间之外，我还可以使用哪些技术来管理此自相关问题？“管理”是指“在合理的时间内得出合理的估计”。在计算能力方面，我正在MacBook Pro上运行这些模型。 自相关程度有多严重？此处和John Kruschke博客上的讨论都表明，如果我们将模型运行足够长的时间，“笨拙的自相关可能已经全部消除了”（Kruschke），因此这并不是什么大问题。 这是产生上面的图的模型的JAGS代码，以防万一有人有兴趣浏览细节的情况： model { for (i in 1:n) …