A Bayesian approach to approximate conditional inference
近似条件推断的贝叶斯方法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：摘要研究一般高阶似然与条件推断理论，没有明确的经济计量应用细分依据。
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
近似条件推断的贝叶斯方法
- 研究问题
- 如何把贝叶斯与频率学派高阶近似之间的联系扩展到近似条件推断，并用贝叶斯论证推导已有的条件推断公式？
- 方法与思路
- 作者沿用通过去平滑论证从贝叶斯近似获得抽样分布近似的思路，以似然根为表述工具，将统一框架扩展到条件推断公式。
- 材料陈述的贡献
- 摘要称，论文把此前的研究框架扩展至近似条件推断，并展示如何借助贝叶斯论证推导 Barndorff-Nielsen 的部分公式。
- 阅读关注点
- 应核对条件化对象、先验与正则条件、似然根的定义，以及去平滑步骤产生何种近似误差阶和适用参数范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体公式、误差阶及多参数扩展范围未说明，不能推断其有限样本准确性。
原文摘要
Sweeting (1995) studies regular Bayesian and frequentist approximations within a unified framework in the case of a single parameter, and shows that higher-order approximations to sampling distributions arise from their Bayesian counterparts via an unsmoothing argument. In the present paper we extend this programme to include formulae in approximate conditional inference. In particular it is shown how Bayesian arguments may be used to derive some formulae developed by Barndorff-Nielsen (1980, 1983, 1986). The development proceeds in terms of likelihood roots.