A novel reversible jump algorithm for generalized linear models
广义线性模型的一种新可逆跳跃算法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：逻辑回归与图模型仅作为通用算法示例，摘要未研究个体离散选择或经济网络干扰。
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…
广义线性模型的一种新可逆跳跃算法
- 研究问题
- 在维度不同、可能不嵌套甚至没有共同参数的广义线性模型之间，如何构造可逆跳跃算法的提议密度以支持模型切换？
- 方法与思路
- 作者提出跨参数子空间的提议密度构造方法，允许在非嵌套模型间跳转，并以逻辑回归及对数线性图模型说明。
- 材料陈述的贡献
- 摘要称所提密度与自由选择模型间跳转的机制改善了可逆跳跃算法表现，但没有给出具体性能指标或改善幅度。
- 阅读关注点
- 应核对跨维度变换、接受概率与目标分布保持的论证，以及非嵌套模型间提议如何构造、调节和比较计算表现。
- 阅读边界
- OpenAlex 索引版本未注明；摘要未说明算法细节、收敛条件或性能数值，不能据此声称对所有广义线性模型均更有效。
原文摘要
We propose a novel methodology to construct proposal densities in reversible jump algorithms that obtain samples from parameter subspaces of competing generalized linear models with differing dimensions. The derived proposal densities are not restricted to moves between nested models and are applicable even to models that share no common parameters. We illustrate our methodology on competing logistic regression and log-linear graphical models, demonstrating how our suggested proposal densities, together with the resulting freedom to propose moves between any models, improve the performance of the reversible jump algorithm.