A General Framework for Model-Based Statistics
基于模型的统计学的一般框架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：摘要讨论统计学的一般理论框架，没有所列经济计量细分模型或应用的明确文本依据。
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
基于模型的统计学的一般框架
- 研究问题
- 能否通过扩展充分性与辅助性概念，在一般统计模型中统一决策理论、模型检验及条件推断所使用的参考分布？
- 方法与思路
- 作者以扩展的充分性和辅助性为基础建立框架，提出用单一方程表达多类参考分布的基本定理，并纳入经验贝叶斯讨论。
- 材料陈述的贡献
- 摘要称，基本定理涵盖贝叶斯与频率学派的基础方程，并为经验贝叶斯统计补充充分性和条件推断的概念。
- 阅读关注点
- 核对扩展概念的精确定义、基本定理的适用模型与条件，以及各类参考分布和经验贝叶斯条件推断如何由框架得到。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出基本定理方程或证明，不能据此判断统一框架的覆盖范围与实用性。
原文摘要
This paper presents a general framework for model-based statistics. The framework is based on extended concepts of sufficiency and ancillarity. The fundamental theorem of the new theory exhibits in a single equation the reference distributions for decision theory, model checking, and conditional inference for a general statistical model. The theorem includes the equations upon which Bayesian and frequentist statistics are founded. The general theory also fills two gaps previously missing from empirical Bayesian statistics: concepts of sufficiency and conditional inference.