Nonparametric Applications of Bayesian Inference
贝叶斯推断的非参数应用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：摘要明确讨论不同教育水平下的收入预测分布与分位数回归，因此归入分位数与分布效应，教育选择的具体模型形式未说明。
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
贝叶斯推断的非参数应用
- 研究问题
- 如何构造不同受教育水平下包含参数不确定性的收入预测分布，并在分位数回归中开展不依赖渐近近似的推断？
- 方法与思路
- 作者讨论教育选择与分位数回归两个应用，将参数不确定性纳入收入预测分布，并考察非参数框架用于分位数推断的潜力。
- 材料陈述的贡献
- 摘要强调收入预测分布对期望效用决策的意义，并称分位数回归应用中的标准渐近正态近似不能提供良好指引。
- 阅读关注点
- 阅读时应核对非参数模型与先验如何设定、预测分布如何计算，以及分位数回归中正态近似失准的证据与比较标准。
- 阅读边界
- 仅凭摘要无法判断先验与模型设定的敏感性，或非参数推断的有限样本表现；所称正态近似不足的适用范围也未说明。
原文摘要
Bayesian inference by presenting two applications. Our first application considers an educational choice problem. We focus on obtaining a predictive distribution for earnings corresponding to various levels of schooling. This predictive distribution incorporates the parameter uncertainty, so that it is relevant for decision making under uncertainty in the expected utility framework of microeconomics. The second application is to quantile regression. Our point here is to examine the potential of the nonparametric framework to provide inferences without relying on asymptotic approximations. Unlike in the first application, the standard asymptotic normal approximation turns out not to be a good guide.