Calibrating general posterior credible regions
一般后验可信区域的校准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：摘要研究通用后验可信区域校准，未指定所列经济计量细分领域。
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
一般后验可信区域的校准
- 研究问题
- 当用于构造后验的模型规定不足或存在误设时，如何校准后验可信区域，使其达到所设定的频率学覆盖概率？
- 方法与思路
- 作者引入控制后验分布离散程度的标量调节参数，并开发蒙特卡洛算法，选择该参数以校准对应可信区域的频率学覆盖。
- 材料陈述的贡献
- 摘要所述贡献是以单一尺度参数调整后验扩散程度，并给出用于实现名义频率学覆盖的蒙特卡洛校准算法。
- 阅读关注点
- 应核对覆盖概率针对的目标参数、校准算法如何评估覆盖，以及保证属于有限样本还是渐近性质、能处理哪些模型误设。
- 阅读边界
- 仅据Crossref所载的简短摘要。摘要未说明理论保证、误设范围、计算成本或数值表现，也不能据此确认其他来源版本的内容。
原文摘要
Summary Calibration of credible regions derived from under- or misspecified models is an important and challenging problem. In this paper, we introduce a scalar tuning parameter that controls the posterior distribution spread, and develop a Monte Carlo algorithm that sets this parameter so that the corresponding credible region achieves the nominal frequentist coverage probability.