Measuring the effect of observations on Bayes factors
衡量单个观测对贝叶斯因子的影响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：摘要研究一般贝叶斯模型比较与观测影响诊断，没有明确对应所列经济计量细分方向的内容。
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
衡量单个观测对贝叶斯因子的影响
- 研究问题
- 如何量化单个观测对贝叶斯模型比较证据的影响，并利用这一度量识别敏感观测或检查分布假设？
- 方法与思路
- 作者以全样本与删除一个观测后的对数贝叶斯因子之差定义影响度量，并研究它与条件预测密度值的联系。
- 材料陈述的贡献
- 摘要称给出了该影响度量的形式，并在正态样本、线性模型、对数线性模型及分布假设检查中展示用法。
- 阅读关注点
- 应核对删除观测后比较模型与先验是否保持一致、影响度量的计算表达，以及它与条件预测密度的具体关系。
- 阅读边界
- OpenAlex索引未注明稿件版本；摘要未说明先验敏感性、判别阈值及计算成本，不能把影响大小直接当作观测错误证据。
原文摘要
In this paper we consider a measure of the effect of single observations on a logarithmic Bayes factor defined via the difference in the logarithms of the Bayes factors conditional first on all the data and then omitting an observation. The measure is related to the conditional predictive ordinate. The form of the measure and examples of its use are presented for a variety of situations, normal samples, linear models, log linear models and the checking of distributional assumptions.