Bayesian Full Information Analysis of Simultaneous Equations
联立方程的贝叶斯全信息分析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：摘要直接研究联立方程模型的贝叶斯全信息估计，与结构估计的方法方向相关。
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
联立方程的贝叶斯全信息分析
- 研究问题
- 如何用扩展自然共轭先验开展联立方程模型的贝叶斯全信息分析，并允许各方程分别指定多元 Student 边际先验？
- 方法与思路
- 作者采用属于封闭分布族的扩展自然共轭先验，研究联合后验、条件与边际密度，并考察似不相关回归特例。
- 材料陈述的贡献
- 摘要称，论文综述并扩展既有全信息分析，建立所用先验的相容性及多种后验密度的性质，包括 SUR 特例。
- 阅读关注点
- 应核对联立方程的识别与参数化、先验族的封闭含义、逐方程边际先验的相容性，以及后验性质的具体条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。摘要未说明识别限制、先验超参数或后验计算方法，不能据此判断经验应用的有效性或推断刊本变化。
原文摘要
The paper reviews and extends a Bayesian full information analysis of the simultaneous equations model, based upon an extended natural conjugate prior density. The extended prior density belongs to a closed family and is compatible with the independent specification for each equation of a marginal prior density in the multivariate Student form. The paper establishes properties of the resulting posterior density, of some conditional and marginal densities, and of the posterior densities in the special case of seemingly unrelated regression equations.