Combining information from several experiments with nonparametric priors
利用非参数先验合并多个实验的信息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：摘要研究一般跨实验贝叶斯信息合并，未明确涉及因果效应或所列其他经济计量目标。
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
利用非参数先验合并多个实验的信息
- 研究问题
- 当多个实验可由参数概括，但参数之间的独立性、交换性或部分交换性结构未知时，如何合并信息并反映结构不确定性？
- 方法与思路
- 作者为有限个候选参数结构赋予先验权重，在贝叶斯非参数框架中进行推断，再按后验结构权重平均各结构下的结果。
- 材料陈述的贡献
- 摘要提出同时处理结构不确定性与参数先验分布形式的框架，允许部分结构内使用不同分布族，并以模型平均形成最终推断。
- 阅读关注点
- 应核对候选结构的选择标准、先验权重和非参数先验构造，以及后验平均的具体对象和不同实验信息借用的程度。
- 阅读边界
- 版本未注明的索引摘要未给出结构选择准则、计算实现或一致性结果；不能据此断言合并信息必然改善所有实验的推断。
原文摘要
This paper considers combining information from several experiments when the experiments can be summarised via a parameter value. The structure of this set of parameters, in terms of independence, exchangeability, partial exchangeability, etc., is assumed to be unknown and a finite number of possible structures are entertained, each with an associated prior weight representing the degree of belief in that structure. Crucial is the criterion by which these structures are selected. The final inference for the parameter values is taken to be the average, with respect to the posterior weights, of the values obtained from each structure. This is performed within a Bayesian nonparametric framework where the form of the prior distribution for the parameters is unrestricted. Therefore we do not assume that the distributions associated with a partial structure are from the same family. Different types of experiment suggest different types of distributions of parameters associated with each type of experiment.