Bayesian estimation of manufacturing effects in a fuel economy model
燃油经济性模型中制造商效应的贝叶斯估计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：摘要研究制造商与车型系列的分层回归，未明确涉及面板、结构估计或其他给定细分。
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
燃油经济性模型中制造商效应的贝叶斯估计
- 研究问题
- 论文研究汽车制造商与车型系列在燃油经济性技术利用上有何差异，以及如何在控制车辆特征后估计这些分层差异。
- 方法与思路
- 作者建立包含制造商和车型系列随机成分的分层贝叶斯回归，纳入变速器类型、压缩比等变量，并用 Gibbs 抽样获得贝叶斯估计。
- 材料陈述的贡献
- 摘要称，制造商在利用技术提高燃油经济性的效率上存在较大差异，并展示带有新修改的无信息先验和分层估计方法。
- 阅读关注点
- 应核对随机成分的层级与分布、无信息先验的具体修改，以及技术利用效率的定义和车辆特征控制是否充分。
- 阅读边界
- 仅据所给 RePEc 所载出版社摘要，不能判断制造商差异的数值规模或因果来源，也不能确认先验修改和抽样的统计性质。
原文摘要
The analysis of fuel economy data results in estimates of the technology utilization by manufacturer and vehicle line. The analysis employs a hierarchical Bayesian regression model with random components representing vehicle lines and manufacturers. The model includes predictor variables which describe vehicle features, such as type of transmission, and vehicle line specific measurements, such as compression ratio. Non-informative priors with novel modifications are used and the Bayes estimates are obtained by use of Gibbs sampling. The results show that there is substantial variability among manufacturers in efficiently utilizing technology for fuel economy. Copyright 1993 by John Wiley & Sons, Ltd.