Bayesian exponentially tilted empirical likelihood
贝叶斯指数倾斜经验似然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：摘要针对一般矩条件模型与非参数贝叶斯理论，未明确限定结构估计、资产定价或其他应用领域，故不指定领域细分。
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
贝叶斯指数倾斜经验似然
- 研究问题
- 经验似然能否获得正式的概率解释，并由分布空间上的非参数贝叶斯程序导出一种适用于矩条件模型且便于计算的似然表示？
- 方法与思路
- 作者设置偏好小支持集、同一支持下偏好最大熵分布的先验，导出类似经验似然的表示，其概率权重通过指数倾斜获得。
- 材料陈述的贡献
- 摘要称为与经验似然密切相关的似然提供非参数贝叶斯解释，并以计算便利的指数倾斜表示，构成矩条件模型中贝叶斯自助法的替代方案。
- 阅读关注点
- 核对分布空间先验的正式定义、非参数极限如何取得、指数倾斜权重的求解，以及它与普通经验似然和贝叶斯自助法的差异。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出后验有效性、矩条件误设下性质或计算比较，不能将替代方案视为普遍改进。
原文摘要
While empirical likelihood has been shown to exhibit many of the properties of conventional parametric likelihoods, a formal probabilistic interpretation has so far been lacking. We show that a likelihood function very closely related to empirical likelihood naturally arises from a nonparametric Bayesian procedure which places a type of noninformative prior on the space of distributions. This prior gives preference to distributions having a small support and, among those sharing the same support, it favours entropy-maximising distributions. The resulting nonparametric Bayesian procedure admits a computationally convenient representation as an empirical-likelihood-type likelihood where the probability weights are obtained via exponential tilting. The proposed methodology provides an attractive alternative to the Bayesian bootstrap as a nonparametric limit of a Bayesian procedure for moment condition models.