The Schwarz criterion and related methods for normal linear models
正态线性模型的 Schwarz 准则及相关方法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：固定效应在此指混合模型组成部分，重复测量应用也不足以确定经济面板数据分类。
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
正态线性模型的 Schwarz 准则及相关方法
- 研究问题
- 如何在正态线性混合模型中选择固定效应，并使 Schwarz 准则能够处理不同先验及相关观测带来的样本量问题？
- 方法与思路
- 作者推导 Schwarz 准则及两种修正，通过不同先验近似贝叶斯因子，并针对混合模型推广其中的样本量项。
- 材料陈述的贡献
- 摘要称，这些准则在原假设下更准确地近似相应贝叶斯因子，并将推广方法用于患者神经元面积的重复测量模型。
- 阅读关注点
- 应核对贝叶斯因子近似的误差阶、先验如何进入准则，以及相关观测下有效样本量的定义和适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；改进精度的具体条件未提供，不能推断这些准则普遍改善模型选择。
原文摘要
In this paper we derive Schwarz's information criterion and two modifications for choosing fixed effects in normal linear mixed models. The first modification allows an arbitrary, possibly informative, prior for the parameter of interest. Replacing this prior with the normal, unit-information, prior of Kass & Wasserman (1995) and the generalised Cauchy prior of Jeffreys (1961) yields the usual Schwarz criterion and a second modification, respectively. Under the null hypothesis, these criteria approximate Bayes factors using the corresponding priors to increased accuracy. In regression, the second modification also corresponds asymptotically to the Bayes factors of Zellner & Siow (1980) and O'Hagan (1995), and is similar to the Bayes factor of Berger & Pericchi (1996). In mixed models, the effective sample size term in Schwarz's formula is ambiguous because of correlation between observations. We propose an appropriate generalisation of Schwarz's approximation and apply our results to evaluate a large class of models for repeated neuron area measurements in alcoholic and suicidal patients.