Maximum-Entropy Prior Uncertainty and Correlation of Statistical Economic Data
经济统计数据的最大熵先验不确定性与相关性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：摘要聚焦统计数据的不确定性与相关性先验构造，未提供因果、面板、预测或金融模型的明确证据，因此暂不归入所列细分方向。
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
经济统计数据的最大熵先验不确定性与相关性
- 研究问题
- 贸易、排放或就业等原始统计数据存在测量误差或保密导致的不确定性时，如何在相关信息缺失下构造先验分布及相关性？
- 方法与思路
- 作者结合贝叶斯推断与最大熵原则构造先验，以截断高斯分布描述缺少额外信息的单项数据，并利用分项与总量约束推导相关性。
- 材料陈述的贡献
- 摘要称，缺少总量不确定性时分项先验相关性均为正；已知时可出现不同符号，并用县域商业统计数据库展示不确定性与相关性先验。
- 阅读关注点
- 重点核对最大熵优化的约束、截断高斯分布的推导，以及不确定性缺失时的设定依据和总量约束对相关性的影响。
- 阅读边界
- 先验相关性由信息与加总约束构造，不能直接当作真实测量误差的相关性；摘要未交代校准方式、验证细节或后验敏感性。
原文摘要
Empirical estimates of source statistical economic data such as trade flows, greenhouse gas emissions, or employment figures are always subject to uncertainty (stemming from measurement errors or confidentiality) but information concerning that uncertainty is often missing. This article uses concepts from Bayesian inference and the maximum entropy principle to estimate the prior probability distribution, uncertainty, and correlations of source data when such information is not explicitly provided. In the absence of additional information, an isolated datum is described by a truncated Gaussian distribution, and if an uncertainty estimate is missing, its prior equals the best guess. When the sum of a set of disaggregate data is constrained to match an aggregate datum, it is possible to determine the prior correlations among disaggregate data. If aggregate uncertainty is missing, all prior correlations are positive. If aggregate uncertainty is available, prior correlations can be either all positive, all negative, or a mix of both. An empirical example is presented, which reports relative uncertainties and correlation priors for the County Business Patterns database. In this example, relative uncertainties range from 1% to 80% and 20% of data pairs exhibit correlations below −0.9 or above 0.9. Supplementary materials for this article are available online.