Bayes Factors Based on Test Statistics
基于检验统计量的贝叶斯因子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检验方法，未提供对应所列经济或金融细分方向的具体依据。
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
基于检验统计量的贝叶斯因子
- 研究问题
- 如何通过直接建模检验统计量构造贝叶斯因子，减少传统方法对原假设与备择假设下参数先验设定的依赖？
- 方法与思路
- 作者提出在检验统计量层面建立概率模型，并利用其分布不依赖未知模型参数的性质，定义相应的贝叶斯因子。
- 材料陈述的贡献
- 摘要称，该方法减少贝叶斯因子构造中的主观性，并为卡方、F、t及z等标准统计量提供简单的闭式表达。
- 阅读关注点
- 应核对统计量在两种假设下如何建模、仍需哪些先验选择，以及统计量层面的证据与完整数据证据如何对应。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明参数无关性的具体适用条件，也不能据此认定所有先验主观性均已消除。
原文摘要
Summary Traditionally, the use of Bayes factors has required the specification of proper prior distributions on model parameters that are implicit to both null and alternative hypotheses. I describe an approach to defining Bayes factors based on modelling test statistics. Because the distributions of test statistics do not depend on unknown model parameters, this approach eliminates much of the subjectivity that is normally associated with the definition of Bayes factors. For standard test statistics, including the χ2-, F-, t- and z-statistics, the values of Bayes factors that result from this approach have simple, closed form expressions.