A Bayesian χ2 test for goodness-of-fit
用于拟合优度评估的贝叶斯卡方检验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：摘要提供通用贝叶斯拟合优度方法，未明确指向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
用于拟合优度评估的贝叶斯卡方检验
- 研究问题
- 如何将经典 Pearson 卡方拟合优度检验扩展到贝叶斯模型评估，并使渐近参考分布的自由度不依赖参数维数？
- 方法与思路
- 作者在后验抽取的参数值处计算 Pearson 统计量，再考察该统计量的后验分布，以构造整体拟合优度诊断。
- 材料陈述的贡献
- 摘要称，该统计量渐近服从自由度为 K−1 的卡方分布，并强调诊断的解释便利性、计算便利性及功效表现。
- 阅读关注点
- 核对 K 的定义、分组方式和渐近条件，以及统计量后验分布如何转化为诊断规则，并检查条件独立要求。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体正则条件、功效比较与判定阈值未说明，不能直接推广至相关观测模型。
原文摘要
This article describes an extension of classical χ2 goodness-of-fit tests to Bayesian model assessment. The extension, which essentially involves evaluating Pearson’s goodness-of-fit statistic at a parameter value drawn from its posterior distribution, has the important property that it is asymptotically distributed as a χ2 random variable on K−1 degrees of freedom, independently of the dimension of the underlying parameter vector. By examining the posterior distribution of this statistic, global goodness-of-fit diagnostics are obtained. Advantages of these diagnostics include ease of interpretation, computational convenience and favorable power properties. The proposed diagnostics can be used to assess the adequacy of a broad class of Bayesian models, essentially requiring only a finite-dimensional parameter vector and conditionally independent observations.