An Accurate Method for Approximate Conditional and Bayesian Inference about Linear Regression Models from Censored Data
删失数据线性回归模型的精确近似条件推断与贝叶斯推断方法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：摘要研究通用删失回归推断，未明确涉及因果、结构估计或分位数与分布效应。
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…
删失数据线性回归模型的精确近似条件推断与贝叶斯推断方法
- 研究问题
- 针对删失数据下的线性回归，如何近似回归系数及尺度参数的边际后验分布，并改善相关尾概率近似的精度？
- 方法与思路
- 作者以已有边际尾概率渐近公式为基础，构造后验分布函数近似，并研究通过合适变量变换提升精度的方法。
- 材料陈述的贡献
- 摘要称，某些情形下变量变换可显著提高原近似的精度，同时论文讨论推导此类变换的一般思路。
- 阅读关注点
- 应核对删失机制、条件推断与后验近似的关系、先验设定，以及变量变换改善精度所需的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未交代删失条件、先验或误差阶，不能认定精度提升普遍成立。
原文摘要
A method to approximate marginal posterior distribution functions of regression coefficients and scale parameters is presented. It is based on a general asymptotic formula of DiCiccio, Field & Fraser (1990) for approximating marginal tail probabilities. In developing the method, it is shown that the accuracy of the approximation of DiCiccio et al. can be substantially increased in certain cases by using a suitable change of variables, and a general approach to deriving such transformations is considered.