The Trace Restriction: An Alternative Identification Strategy for the Bayesian Multinomial Probit Model
迹约束：贝叶斯多项 Probit 模型的替代识别策略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：摘要直接研究贝叶斯多项 Probit，并在真实和模拟的消费者选择数据上比较后验预测，明确对应离散选择方向。
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
迹约束：贝叶斯多项 Probit 模型的替代识别策略
- 研究问题
- 贝叶斯多项 Probit 模型中，固定不同协方差对角元为何会影响后验预测，能否用更对称的约束改善这一问题？
- 方法与思路
- 作者以协方差矩阵的迹约束替代固定某个对角元，使先验可对非基准结果类别的置换保持对称；摘要称不增加计算负担。
- 材料陈述的贡献
- 摘要称，在真实及模拟的消费者选择数据中，迹约束较少产生极端预测，且可加强识别，使边际后验分布更易解释。
- 阅读关注点
- 应核对迹约束如何实现尺度归一化、先验与采样算法如何配合，以及类别置换和预测极端性的具体比较方式。
- 阅读边界
- 摘要未交代先验细节、数据规模及识别增强的条件；预测准确性与无额外计算成本的适用范围仍需阅读全文核对。
原文摘要
Previous authors have made Bayesian multinomial probit models identifiable by fixing a parameter on the main diagonal of the covariance matrix. The choice of which element one fixes can influence posterior predictions. Thus, we propose restricting the trace of the covariance matrix, which we achieve without computational penalty. This permits a prior that is symmetric to permutations of the nonbase outcome categories. We find in real and simulated consumer choice datasets that the trace-restricted model is less prone to making extreme predictions. Further, the trace restriction can provide stronger identification, yielding marginal posterior distributions that are more easily interpreted.