The Bayesian Estimation of a Linear Functional Relationship
线性函数关系的贝叶斯估计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：摘要讨论通用线性函数关系的贝叶斯估计，未明确提供因果、经济结构模型或其他所列细分方向的文本依据。
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
线性函数关系的贝叶斯估计
- 研究问题
- 估计线性函数关系时，仅依赖似然的分析为何可能在特定例子中产生误导，贝叶斯方法如何刻画斜率及后验不确定性？
- 方法与思路
- 作者先以例子讨论仅依赖似然的局限，再发展贝叶斯方法用于线性函数关系，分析后验分布、渐近行为及斜率标准误。
- 材料陈述的贡献
- 摘要称给出线性函数关系的贝叶斯估计、具有新形式的分布渐近行为及斜率标准误；这些结果的具体形式未说明。
- 阅读关注点
- 应核对示例的模型设定、先验选择与后验构造，查明新型渐近行为的具体含义，以及斜率标准误的定义和适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要，先验与模型条件未说明；特定示例不能证明似然方法普遍不可靠，也不能确认贝叶斯方法普遍更优。
原文摘要
Summary The purpose of this note is twofold. First, to demonstrate by means of an example that a statistical approach based solely on the likelihood function can be misleading, whereas the Bayesian method yields sensible results. Second, to develop the Bayesian method and apply the results to the problem of estimating a linear functional relationship. In Section 1 we discuss the likelihood approach. Section 2 concerns the Bayesian method, which is applied to the functional relationship situation in Section 3: it is shown that the asymptotic behaviour of the distributions exhibits a novel form. In Section 4 the posterior distributions derived in Section 3 are considered in more detail: in particular, a standard error for the estimate of slope is provided. Section 5 contains various comments on the method, and, in particular, indicates other fields of application.