Likelihood and Bayesian Inference from Selectively Reported Data
基于选择性报告数据的似然与贝叶斯推断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：摘要讨论选择性报告下的一般统计推断，未明确因果效应、经济模型或所列其他方向。
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
基于选择性报告数据的似然与贝叶斯推断
- 研究问题
- 实验结果经过选择后才被报告时，如何调整基于表面数据的似然推断，哪些条件下可以不作修正而直接使用报告数据？
- 方法与思路
- 作者研究选择性报告对原始似然表达的影响，分析必要的修改，并推导无需修改、可按报告内容直接推断的条件。
- 材料陈述的贡献
- 摘要称，论文厘清了选择性报告数据的似然调整问题，并给出可以保留原有似然、不必修正的一组条件。
- 阅读关注点
- 应核对选择机制如何建模、推断是否条件于报告事件，以及无需调整的条件对似然和贝叶斯分析分别意味着什么。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未说明选择规则及具体条件，不能将无需修正的结论推广到一般选择性报告情形。
原文摘要
If the reported data of an experiment have been subject to selection, then inference from such data should be modified accordingly. We investigate the modification required to the face-value likelihood. In particular, we derive conditions under which no modification is necessary and the data can be taken at face value.