Getting It Right
后验模拟器的正确性检验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：摘要研究通用贝叶斯计算验证，未提供对应所列经济计量细分方向的明确依据。
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
后验模拟器的正确性检验
- 研究问题
- 后验模拟器的解析或编程错误可能产生看似合理的后验矩近似；如何通过可实施的统计检验发现这些错误？
- 方法与思路
- 作者比较两种联合分布模拟器的矩近似：一种先抽先验参数再生成数据，另一种交替进行后验模拟与数据模拟。
- 材料陈述的贡献
- 摘要称，该比较能够发现后验模拟器中的解析和编程错误，并用于识别和纠正两篇既有文章中的错误。
- 阅读关注点
- 应核对两种模拟器具有相同目标联合分布的条件、矩比较的检验构造，以及模拟依赖和数值误差如何处理。
- 阅读边界
- 仅据版本未注明的索引摘要，无法判断检验对不同错误的检出能力；摘要未说明通过检验能否排除所有错误。
原文摘要
Analytical or coding errors in posterior simulators can produce reasonable but incorrect approximations of posterior moments. This article develops simple tests of posterior simulators that detect both kinds of errors, and uses them to detect and correct errors in two previously published articles. The tests exploit the fact that a Bayesian model specifies the joint distribution of observables (data) and unobservables (parameters). There are two joint distribution simulators. The marginal-conditional simulator draws unobservables from the prior and then observables conditional on unobservables. The successive-conditional simulator alternates between the posterior simulator and an observables simulator. Formal comparison of moment approximations of the two simulators reveals existing analytical or coding errors in the posterior simulator.