An Empirical Bayes Approach to Polynomial Regression Under Order Restrictions
顺序限制下多项式回归的经验贝叶斯方法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：摘要研究一般多项式回归中的经验贝叶斯与次数选择，未出现所列经济计量方向所需的具体研究对象。
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
顺序限制下多项式回归的经验贝叶斯方法
- 研究问题
- 根据有限区间内的独立正态观测估计未知多项式时，如何利用高次项系数绝对值递减的先验观念改善拟合与次数选择？
- 方法与思路
- 作者对多项式系数设置表达绝对值递减的先验，并由数据估计先验参数，通过蒙特卡洛研究与失拟检验程序比较。
- 材料陈述的贡献
- 摘要称，该经验贝叶斯方法在模拟中兼顾较低的平方误差损失与正确多项式次数选择，但未报告具体改善幅度。
- 阅读关注点
- 应核对系数顺序限制如何通过先验表达、先验参数的估计方法，以及次数判定规则和模拟比较所采用的函数与样本量。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；摘要未说明先验形式、模拟设定或理论保证，不能推断其普遍优于比较方法。
原文摘要
An unknown polynomial is to be estimated over a finite interval from N independent, normally distributed observations. A prior distribution is placed on the polynomial coefficients expressing the opinion that the coefficients decrease in absolute value as the degree of the corresponding terms increase. The data are used to estimate the parameters in the prior distribution of the coefficients. A Monte Carlo study is presented which compares the proposed method with the lack-of-fit procedure. This study indicates that the proposed method performs well in terms of minimizing a squared error loss as well as in yielding the correct degree of the polynomial being estimated.