Bayes and likelihood calculations from confidence intervals
由置信区间进行贝叶斯与似然计算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：摘要研究由置信区间构造近似似然的一般推断方法，未提供指定经济计量细分方向的充分依据。
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
由置信区间进行贝叶斯与似然计算
- 研究问题
- 如何利用多参数模型中单一目标参数的近似置信区间，构造消去干扰参数的近似似然并开展贝叶斯推断？
- 方法与思路
- 作者从近似置信区间系统构造目标参数的近似似然，再结合贝叶斯或经验贝叶斯信息，并在多参数指数族中展开分析。
- 材料陈述的贡献
- 摘要给出简明的近似似然公式，以高阶调整似然和无信息先验理论论证，并称相关计算成本仅为常规估计的数倍。
- 阅读关注点
- 应核对区间系统所需性质、近似似然的构造与误差阶、消去干扰参数的含义，以及计算成本陈述的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；近似消去干扰参数不等于精确推断，区间要求、高阶条件与具体误差未详述。
原文摘要
Recently there has been considerable progress on setting good approximate confidence intervals for a single parameter θ in a multi-parameter family. Here we use these frequentist results as a convenient device for making Bayes, empirical Bayes and likelihood inferences about θ. A simple formula is given that produces an approximate likelihood function Lx†(θ) for θ, with all nuisance parameters eliminated, based on any system of approximate confidence intervals. The statistician can then modify Lx†(θ) with Bayes or empirical Bayes information for θ, without worrying about nuisance parameters. The method is developed for multiparameter exponential families, where there exists a simple and accurate system of approximate confidence intervals for any smoothly defined parameter. The approximate likelihood Lx†(θ) based on this system requires only a few times as much computation as the maximum likelihood estimate θ and its estimated standard error σ. The formula for Lx†(θ) is justified in terms of high-order adjusted likelihoods and also the Jeffreys-Welch & Peers theory of uninformative priors. Several examples are given.