Predictive Likelihood Inference with Applications
预测似然推断及其应用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：摘要讨论通用预测推断、异常值和混合模型，未明确涉及宏观预测或金融收益预测。
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
预测似然推断及其应用
- 研究问题
- 如何通过预测似然推断未观测或缺失的数据，并区分数据分析中面向预测与面向参数估计的不同目标？
- 方法与思路
- 作者定义条件预测似然与边际预测似然，并在异常值理论及混合模型方差分析中展示方法与目标区分。
- 材料陈述的贡献
- 摘要明确提出两类预测似然及预测、估计目标的区分，但未陈述具体最优性定理或预测精度提升结果。
- 阅读关注点
- 应核对两类预测似然的构造、未知参数如何处理、预测不确定性如何表达，以及两个应用中的实际解释。
- 阅读边界
- 仅据Crossref摘要；摘要未提供具体定义、成立条件或性能比较，通用缺失数据预测不能直接解释为时间序列预测。
原文摘要
SUMMARY Conditional and marginal predictive likelihood are defined and used in predicting unobserved or missing data. A distinction is made between predictive and estimative goals of a data analysis. Such methodology and distinctions are illustrated in the context of outlier theory and mixed model ANOVA.