On the Variability of Case-Deletion Importance Sampling Weights in the Bayesian Linear Model
贝叶斯线性模型中删例重要性抽样权重的变异性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：摘要讨论通用贝叶斯计算与影响诊断，未提供归入具体经济计量领域的文本依据。
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
贝叶斯线性模型中删例重要性抽样权重的变异性
- 研究问题
- 在标准贝叶斯线性模型中，删除单个观测后的重要性抽样权重何时具有有限方差，哪些观测会使相关估计不可靠？
- 方法与思路
- 作者推导权重方差有限的必要充分条件，以常见的杠杆与影响指标解释这些条件，并用两个真实数据实例说明。
- 材料陈述的贡献
- 摘要称所获条件具有直观解释且易于检查；实例中部分观测不满足必要条件，对应重要性抽样估计高度不可靠。
- 阅读关注点
- 应核对标准模型及先验的具体设定、有限方差条件与影响指标的关系，以及诊断失效后是否提供替代计算办法。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体条件与数据细节未提供，不能将结论推广到其他贝叶斯模型或推断刊本变化。
原文摘要
I consider a standard specification of the Bayesian linear model and derive necessary and sufficient conditions for the variance of the case-deletion importance sampling weights to be finite. The conditions have an intuitive interpretation in terms of familiar frequentist measures of leverage and influence and are easy to verify. I present two real data examples in which the necessary conditions fail to hold for some observations and the corresponding importance sampling estimates are highly unreliable.