Bayesian empirical likelihood
贝叶斯经验似然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：摘要讨论一般贝叶斯经验似然及区间理论，没有明确给出因果、面板、时间序列或金融领域的研究对象。
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
贝叶斯经验似然
- 研究问题
- 能否以经验似然替代参数似然来构造贝叶斯推断，以及所得后验推断和区间具有怎样的有效性与频率学性质？
- 方法与思路
- 作者讨论将经验似然用于贝叶斯推断的不同实现方式，考察所得后验推断的有效性，并研究贝叶斯经验似然区间的频率学性质。
- 材料陈述的贡献
- 摘要称研究了经验似然作为贝叶斯推断基础的可能路径及其性质，但没有具体说明哪些构造有效或区间满足何种保证。
- 阅读关注点
- 应核对不同构造如何结合先验与经验似然、后验有效性的判据，以及区间覆盖性质依赖的模型、矩条件和渐近框架。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要。摘要未列出有效性结论、覆盖误差或所需条件，不能认为经验似然自动继承参数贝叶斯方法的保证。
原文摘要
Research has shown that empirical likelihood tests have many of the same asymptotic properties as those derived from parametric likelihoods. This leads naturally to the possibility of using empirical likelihood as the basis for Bayesian inference. Different ways in which this goal might be accomplished are considered. The validity of the resultant posterior inferences is examined, as are frequentist properties of the Bayesian empirical likelihood intervals.