Approximate Conditional Inference in Exponential Families via the Gibbs Sampler
利用 Gibbs 抽样进行指数族近似条件推断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：摘要研究指数族的通用条件推断；逻辑回归的出现未明确涉及经济离散选择行为，因此不足以支持给定细分分类。
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…
关注这篇论文的作者
利用 Gibbs 抽样进行指数族近似条件推断
- 研究问题
- 在指数族模型中，如何对干扰参数对应的充分统计量进行条件化，并近似获得目标参数所需的频率学派推断分布？
- 方法与思路
- 作者将条件分布函数的双鞍点近似嵌入 Gibbs 抽样，生成平衡分布近似目标条件联合分布的马尔可夫链。
- 材料陈述的贡献
- 摘要提出 Gibbs-Skovgaard 算法，把鞍点近似与条件抽样结合，用于近似频率学派推断，并应用于逻辑和泊松回归。
- 阅读关注点
- 应核对充分统计量的划分、双鞍点近似的有效条件、链的收敛诊断，以及近似误差如何影响最终的条件推断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出误差界、计算比较或具体推断结果，不能视为精确条件推断。
原文摘要
This article presents the Gibbs-Skovgaard algorithm for approximate frequentist inference. The method makes use of the double saddlepoint approximation of Skovgaard to the conditional cumulative distribution function of a sufficient statistic given the remaining sufficient statistics. This approximation is then used in the Gibbs sampler to generate a Markov chain. The equilibrium distribution of this chain approximates the joint distribution of the sufficient statistics associated with the parameters of interest conditional on the observed values of the sufficient statistics associated with the nuisance parameters. This Gibbs-Skovgaard algorithm is applied to the cases of logistic and Poisson regression.