Analysis of multivariate probit models
多变量 Probit 模型分析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：摘要直接研究多变量二元响应 Probit 模型，并包含四年纵向数据及面板调查劳动供给应用。
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
多变量 Probit 模型分析
- 研究问题
- 如何对相关二元响应的多变量 Probit 模型开展可实施的贝叶斯与非贝叶斯分析，并利用模拟结果进行模型比较？
- 方法与思路
- 作者用马尔可夫链蒙特卡洛模拟后验，以蒙特卡洛 EM 求最大似然估计，并提出利用模拟输出计算 Bayes 因子的方法。
- 材料陈述的贡献
- 摘要称，文章提供相关二元数据的模拟分析方案及 Bayes 因子计算方法，并应用于双变量、纵向健康与已婚女性劳动供给数据。
- 阅读关注点
- 应核对潜在变量与相关结构的识别约束、先验设置及模拟收敛诊断，并检查纵向应用如何建模个体内相关性。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；识别约束、先验、算法精度和应用结果未说明，劳动供给分析不自动具有因果解释。
原文摘要
This paper provides a practical simulation-based Bayesian and non-Bayesian analysis of correlated binary data using the multivariate probit model. The posterior distribution is simulated by Markov chain Monte Carlo methods and maximum likelihood estimates are obtained by a Monte Carlo version of the EM algorithm. A practical approach for the computation of Bayes factors from the simulation output is also developed. The methods are applied to a dataset with a bivariate binary response, to a four-year longitudinal dataset from the Six Cities study of the health effects of air pollution and to a sevenvariate binary response dataset on the labour supply of married women from the Panel survey of Income Dynamics.