A Bayesian approach to model inadequacy for polynomial regression
多项式回归模型不充分性的贝叶斯方法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：摘要讨论一般回归中的模型偏差与贝叶斯估计，未提供足以对应所列经济计量领域细分的证据。
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
多项式回归模型不充分性的贝叶斯方法
- 研究问题
- 当多项式不能充分表示真实函数时，如何把这种表示偏差纳入回归分析，并改善参数估计与新观测预测？
- 方法与思路
- 作者把多项式表示与真实函数之间的偏差作为建模对象，以贝叶斯先验描述其性质，再进行参数估计和预测。
- 材料陈述的贡献
- 摘要称，该方法在许多情况下似有改善，并在真实函数为二次函数及线性、二次函数叠加正弦波的情形下比较最小二乘。
- 阅读关注点
- 应核对表示偏差的先验设定、它与观测误差的区分，以及比较采用的损失标准、样本设置和先验敏感性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；先验形式、改善幅度及适用条件未说明，也无法判断刊本变化。
原文摘要
A method is presented which, in many cases, appears to be an improvement over the standard approach to the polynomial regression problem. This improvement is achieved by focusing attention on the deviation of the polynomial representation from the true underlying function. By fully utilizing the nature of this deviation, a model is constructed in which its properties are represented in terms of a Bayesian prior distribution. The model is analyzed to give parameter estimates and predictions of further observations. Comparisons are made with standard least squares procedures when the true underlying model is (a) quadratic and (b) linear and quadratic with a superimposed sine wave.