Likelihood-based inference for regular functions with fractional polynomial approximations
利用分数多项式逼近正规经济函数的似然推断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：摘要明确针对成本、生产、效用及需求等经济结构函数建立逼近与推断方法，支持结构估计分类。
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
利用分数多项式逼近正规经济函数的似然推断
- 研究问题
- 分数多项式能否在保留成本、生产与效用函数正规性要求的同时，充分逼近函数及其前两阶导数，并支持可行的贝叶斯推断？
- 方法与思路
- 作者使用正规分数多项式逼近经济函数，在严格正象限的闭紧子集上分析逼近性质，并以成本函数数据实施标准MCMC推断。
- 材料陈述的贡献
- 摘要称，这类多项式可任意精确地逼近正规函数及其前两阶导数，因而能近似需求等经济特征，并支持完整贝叶斯推断。
- 阅读关注点
- 应核对正规性的具体定义、逼近域为何限于严格正象限，以及形状约束、先验与MCMC如何共同保证经济解释和计算可行性。
- 阅读边界
- 依据出版社摘要，不能判断边界附近的逼近质量、有限阶误差或后验性质；任意精确逼近的陈述不等于实际估计无误差。
原文摘要
This paper shows that regular fractional polynomials can approximate regular cost, production and utility functions and their first two derivatives on closed compact subsets of the strictly positive orthant of Euclidean space arbitrarily well. These functions therefore can provide reliable approximations to demand functions and other economically relevant characteristics of tastes and technology. Using canonical cost function data, it shows that full Bayesian inference for these approximations can be implemented using standard Markov chain Monte Carlo methods.