Posterior propriety and admissibility of hyperpriors in normal hierarchical models
正态层级模型中后验的适当性与超先验的可容许性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：摘要研究一般正态层级模型的先验与决策性质，没有明确支持所列具体计量领域分类。
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…
正态层级模型中后验的适当性与超先验的可容许性
- 研究问题
- 可交换多元正态层级模型中，哪些超参数先验会产生可归一化后验，哪些会导出平方损失下的可容许均值估计量？
- 方法与思路
- 作者针对一类标准层级先验，分别判定后验适当或不适当的条件，以及均值估计量在平方损失下的可容许性，并讨论计算。
- 材料陈述的贡献
- 摘要称明确了该先验类中后验适当性与估计可容许性的判定，为层级先验选择提供依据，并处理所得后验的计算问题。
- 阅读关注点
- 应核对模型的可交换结构、超先验类和维度条件，区分后验可归一化与估计可容许性，并检查计算方法所需的条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；具体判定条件和计算方案未提供，可容许性也不能单独证明某先验全面更优。
原文摘要
Hierarchical modeling is wonderful and here to stay, but hyperparameter priors are often chosen in a casual fashion. Unfortunately, as the number of hyperparameters grows, the effects of casual choices can multiply, leading to considerably inferior performance. As an extreme, but not uncommon, example use of the wrong hyperparameter priors can even lead to impropriety of the posterior. For exchangeable hierarchical multivariate normal models, we first determine when a standard class of hierarchical priors results in proper or improper posteriors. We next determine which elements of this class lead to admissible estimators of the mean under quadratic loss; such considerations provide one useful guideline for choice among hierarchical priors. Finally, computational issues with the resulting posterior distributions are addressed.