Quasi-Bayesian model selection
准贝叶斯模型选择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：摘要核心是通用模型选择一致性理论；新凯恩斯宏观应用未明确涉及所列时间序列、冲击识别、因子或预测细分。
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
准贝叶斯模型选择
- 研究问题
- 基于 Laplace 型估计量得到的准边际似然，能否在强识别、弱识别和部分识别情形下提供一致的模型选择准则？
- 方法与思路
- 作者研究准边际似然模型选择准则的一致性，分别考虑不同识别情形，以蒙特卡洛检查理论结果，并用于美国新凯恩斯模型选择。
- 材料陈述的贡献
- 摘要称，论文建立该模型选择准则的一致性，模拟结果与理论结论相符，并展示其在使用美国数据的宏观模型比较中的应用。
- 阅读关注点
- 应核对不同识别情形下的一致性定义与条件、准边际似然的构造及先验作用，以及候选模型集合和应用的选择结果。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不能推断任意弱识别模型均适用，也不能判断选择优势；技术条件、模拟设计及应用结果未说明。
原文摘要
In this paper, we establish the consistency of the model selection criterion based on the quasi‐marginal likelihood (QML) obtained from Laplace‐type estimators. We consider cases in which parameters are strongly identified, weakly identified and partially identified. Our Monte Carlo results confirm our consistency results. Our proposed procedure is applied to select among New Keynesian macroeconomic models using US data.