Adjusted Bayesian Inference for Selected Parameters
对数据选择后参数的调整贝叶斯推断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：摘要讨论通用选择后推断与多重检验，并以微阵列数据说明，未明确对应所列经济计量领域细分。
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
对数据选择后参数的调整贝叶斯推断
- 研究问题
- 当研究者查看数据后才选择要报告的参数时，贝叶斯推断应如何考虑这一选择过程，并控制错误发现率？
- 方法与思路
- 作者把所选参数的贝叶斯推断表述为截断数据问题，讨论选择调整，并提出超出两组混合模型的贝叶斯错误发现率方法。
- 材料陈述的贡献
- 摘要称，在非信息先验或参数为固定未知常数时需要调整选择，并将贝叶斯错误发现率方法推广至更一般框架。
- 阅读关注点
- 应核对参数选择事件、先验与固定参数解释之间的关系，以及错误发现率控制的定义、条件和模拟评估方式。
- 阅读边界
- 仅据Crossref摘要，选择调整公式及错误发现率控制条件未提供，不能将所述必要性推广到所有贝叶斯模型。
原文摘要
Summary We address the problem of providing inference from a Bayesian perspective for parameters selected after viewing the data. We present a Bayesian framework for providing inference for selected parameters, based on the observation that providing Bayesian inference for selected parameters is a truncated data problem. We show that if the prior for the parameter is non-informative, or if the parameter is a ‘fixed’ unknown constant, then it is necessary to adjust the Bayesian inference for selection. Our second contribution is the introduction of Bayesian false discovery rate controlling methodology, which generalizes existing Bayesian false discovery rate methods that are only defined in the two-group mixture model. We illustrate our results by applying them to simulated data and data from a microarray experiment.