On the effect of prior assumptions in Bayesian model averaging with applications to growth regression
贝叶斯模型平均中先验假设的影响：增长回归应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主要研究通用线性回归的变量选择与先验敏感性，跨国增长应用未明确涉及面板或时间序列预测，故不强行分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
贝叶斯模型平均中先验假设的影响：增长回归应用
- 研究问题
- 在候选解释变量多而观测较少的线性回归中，不同先验如何改变模型规模、变量后验纳入概率以及预测表现？
- 方法与思路
- 作者考察贝叶斯模型平均的多种先验，以三套跨国增长数据说明其影响，候选变量为四十一至六十七个，观测为七十二至九十三个。
- 材料陈述的贡献
- 摘要所述贡献是分析先验对变量选择和预测的影响，并为增长回归及相关场景推荐先验；摘要未列明具体推荐及结果。
- 阅读关注点
- 应核对模型与参数先验的具体形式、模型规模的先验含义、预测评价方式，以及先验推荐在不同数据集上的稳定性。
- 阅读边界
- 所给 Crossref 摘要未说明推荐哪类先验、优势幅度或评价细节；跨国增长回归本身也不能据此解释为因果关系。
原文摘要
Abstract We consider the problem of variable selection in linear regression models. Bayesian model averaging has become an important tool in empirical settings with large numbers of potential regressors and relatively limited numbers of observations. We examine the effect of a variety of prior assumptions on the inference concerning model size, posterior inclusion probabilities of regressors and on predictive performance. We illustrate these issues in the context of cross‐country growth regressions using three datasets with 41–67 potential drivers of growth and 72–93 observations. Finally, we recommend priors for use in this and related contexts. Copyright © 2009 John Wiley & Sons, Ltd.