Posterior Bayes Factors
后验贝叶斯因子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：摘要讨论通用模型比较和贝叶斯检验程序，没有指定微观、宏观或金融对象，不能仅据推断方法选择领域细分。
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
后验贝叶斯因子
- 研究问题
- 模型比较时，若用各模型似然的后验均值代替通常的先验均值，会如何改变对先验的敏感性和点零假设检验表现？
- 方法与思路
- 作者提出基于似然后验均值的模型比较程序，在标准例子中评估频率性质，并用非标准例子和直接似然解释讨论其依据。
- 材料陈述的贡献
- 摘要称该程序降低先验变化的影响、避免点零假设检验中的 Lindley 悖论，并给出多种论证及非贝叶斯的直接似然解释。
- 阅读关注点
- 应核对后验均值的定义、数据使用与解释依据，以及先验敏感性、点假设检验和频率性质结论分别覆盖哪些模型。
- 阅读边界
- 仅据所给 Crossref 摘要版本；优势是作者陈述，摘要未提供具体条件或评估结果，不能认定其与传统贝叶斯因子具有相同解释。
原文摘要
SUMMARY A general procedure for computing Bayes factors for the comparison of arbitrary models is described, based on the use of the posterior mean of the likelihood under each model rather than the usual prior mean. The use of the posterior mean has several advantages, including reduced sensitivity to variations in the prior and the avoidance of the Lindley paradox in testing point null hypotheses. The frequency properties of the new procedure are evaluated in standard examples, and a non-standard example is analysed to show the considerable differences possible between prior and posterior means of the likelihood. Several different justifications of the procedure are given, and a non-Bayesian direct likelihood interpretation is described.