Identification and accommodation of outliers in general hierarchical models
一般层级模型中异常值的识别与处理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：一般层级模型与异常值处理不自动对应面板、网络或经济结构估计，摘要证据不足。
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
一般层级模型中异常值的识别与处理
- 研究问题
- 面对层级模型中大量结构及分布假设，如何加入对异常值更稳健的模型扩展，同时保持分析的可处理性并评估数据影响？
- 方法与思路
- 作者系统讨论将污染正态模型方法应用于一般层级模型，并研究数据对后验分布估计的影响，以回应稳健性问题。
- 材料陈述的贡献
- 摘要所述贡献是对污染正态方法在一般层级模型中的应用作全面说明，并考察观测数据对后验估计的影响。
- 阅读关注点
- 应核对污染成分在层级中的位置、异常值识别准则、先验敏感性，以及后验计算的可处理性和影响分析的定义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供具体算法或性能结果，不能断言模型在任意异常值情形下均稳健。
原文摘要
By their nature, hierarchical models involve a considerable number of structural and distributional assumptions; for example, normality and linearity are common assumptions. Considerations of robustness therefore suggest that some form of model elaboration is necessary. However, it is not clear how to achieve this in the already complex setting of hierarchical models whilst maintaining reasonable tractability in the analysis. We provide a comprehensive account of the way in which methods based on the contaminated normal model can be applied to the general hierarchical model, and investigate the influence of data on estimates of posterior distributions.