Nền tảng MCMC và suy diễn Bayes The foundation of MCMC and Bayesian inference Giới thiệu Chào mừng các bạn đã đến với bài học đầu tiên trong chuỗi bài về Chuỗi Markov Monte Carlo (MCMC). Trước khi chúng ta tìm hiểu về các thuật toán cụ thể, điều quan trọng nhất là phải xây dựng một nền tảng tư duy vững chắc: Tại sao MCMC lại ra đời và nó giải quyết bài toán cốt lõi nào trong kinh tế lượng? Trong kinh tế lượng theo trường phái Bayes, mục tiêu cuối cùng của mọi bài toán suy diễn là mô tả được (posterior distribution). Phân phối này giống như một “bản đồ kho báu”, chứa đựng tất cả thông tin về các tham số mô hình (như hệ số hồi quy, phương sai) sau khi chúng ta đã xem xét dữ liệu thực tế. Tuy nhiên, trong hầu hết các mô hình thú vị và hữu ích trong thực tế, “bản đồ” này lại vô cùng phức tạp, đa chiều và không thể vẽ ra hay tính toán …