Generalized Bayes Estimators in Multivariate Problems
多元问题中的广义贝叶斯估计量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：摘要属于多元统计决策与贝叶斯估计理论，未明确对应所列经济计量领域细分。
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
多元问题中的广义贝叶斯估计量
- 研究问题
- 在多元估计问题中，如何刻画容许估计量与广义贝叶斯估计量的联系，并判断常见估计量是否具有这种表示？
- 方法与思路
- 作者研究指数族与二次损失下的刻画，推导正态均值估计量经平滑后成为广义贝叶斯的必要条件，并构造更一般的渐近近似。
- 材料陈述的贡献
- 摘要称给出特定模型下的容许性刻画与广义贝叶斯判别结果，应用于自适应岭回归，并将部分弱化结论推广至一般损失和密度。
- 阅读关注点
- 应核对容许性刻画所限定的指数族、平滑操作的定义、必要条件与充分条件的区别，以及一般损失下近似的有效范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体条件与近似误差未说明，不能认定所提及的全部岭回归或经验贝叶斯估计量均容许。
原文摘要
Several problems involving multivariate generalized Bayes estimators are investigated. First, a characterization of admissible estimators as generalized Bayes estimators is developed for certain multivariate exponential families and quadratic loss. The problem of verifying whether or not an estimator is generalized Bayes is also considered. Next, an important class of estimators for a multivariate normal mean is considered. (The class includes many minimax, empirical Bayes, and ridge regression estimators of current interest.) Necessary conditions are developed for an estimator in this class to be "nearly" generalized Bayes, in the sense that if it were properly smoothed, it would be generalized Bayes. An application to adaptive ridge regression is given. The paper concludes with the development of an asymptotic approximation to generalized Bayes estimators for general losses and location vector densities. Using this approximation, weakened versions of the above results are obtained for general losses and densities.