Elicitation of Prior Distributions for Variable-Selection Problems in Regression
回归变量选择问题中的先验分布 elicitationAI 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：摘要研究通用贝叶斯回归的专家先验构造，未明确涉及所列微观、宏观或金融细分方向。
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
回归变量选择问题中的先验分布 elicitation
- 研究问题
- 在正态线性回归中，当应纳入哪些解释变量存在不确定性时，如何将专家意见转化为可用的先验分布？
- 方法与思路
- 作者以不同变量子集对应的自然共轭先验组成混合分布，利用特定解释变量取值下预测分布的简化征询先验。
- 材料陈述的贡献
- 摘要称某些取值下预测分布可从多个 t 分布的混合简化为单个 t 分布，并据此开发先验征询方法和示例。
- 阅读关注点
- 应核对预测分布简化所要求的变量取值、各子模型先验及权重如何确定，以及专家回答如何映射到先验参数。
- 阅读边界
- 仅据版本未注明的索引摘要；专家征询流程、简化条件和示例结果未展开，不能判断对一般变量选择问题的表现。
原文摘要
This paper addresses the problem of quantifying expert opinion about a normal linear regression model when there is uncertainty as to which independent variables should be included in the model. Opinion is modeled as a mixture of natural conjugate prior distributions with each distribution in the mixture corresponding to a different subset of the independent variables. It is shown that for certain values of the independent variables, the predictive distribution of the dependent variable simplifies from a mixture of $t$-distributions to a single $t$-distribution. Using this result, a method of eliciting the conjugate distributions of the mixture is developed. The method is illustrated in an example.