BAYESIAN REGRESSION ANALYSIS WITH SCALE MIXTURES OF NORMALS
正态尺度混合分布下的贝叶斯回归分析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：摘要研究一般线性回归的贝叶斯后验与分布条件，未明确对应所列经济应用细分；混合分布本身不足以归为分布效应。
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
正态尺度混合分布下的贝叶斯回归分析
- 研究问题
- 在线性回归采用一般正态尺度混合误差和共同参考先验时，贝叶斯推断何时有效，回归与尺度参数的后验矩是否存在？
- 方法与思路
- 作者研究后验分布及后验矩的存在性，分析设计矩阵与混合分布的作用，对若干具体分布族给出刻画，并建议使用 Gibbs 抽样。
- 材料陈述的贡献
- 摘要区分后验分布存在与后验矩存在，称后者可受设计矩阵及混合分布显著影响，并给出便于检验多类后验矩存在性的特征。
- 阅读关注点
- 应核对参考先验、样本与设计的基础条件，各阶后验矩存在性的判据，以及有限正态混合等具体分布下的刻画和抽样实现。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认后验适定性的完整条件、矩存在判据或抽样性能，也不能推断其他版本的内容变化。
原文摘要
This paper considers a Bayesian analysis of the linear regression model under independent sampling from general scale mixtures of normals. Using a common reference prior, we investigate the validity of Bayesian inference and the existence of posterior moments of the regression and scale parameters. We find that whereas existence of the posterior distribution does not depend on the choice of the design matrix or the mixing distribution, both of them can crucially intervene in the existence of posterior moments. We identify some useful characteristics that allow for an easy verification of the existence of a wide range of moments. In addition, we provide full characterizations under sampling from finite mixtures of normals, Pearson VII, or certain modulated normal distributions. For empirical applications, a numerical implementation based on the Gibbs sampler is recommended.