On the Sampling Properties of Bayesian Point Estimators
贝叶斯点估计量的抽样性质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：摘要属于贝叶斯估计的通用抽样理论，未明确对应任何给定经济领域细分。
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
贝叶斯点估计量的抽样性质
- 研究问题
- 贝叶斯点估计量在重复抽样下具有怎样的分布与偏差，适当选择先验和参数变换能否改善偏差并构造枢轴量？
- 方法与思路
- 作者考察多种贝叶斯点估计量的抽样分布，通过选择未知参数的先验分布比较偏差，并研究参数变换后的枢轴量构造。
- 材料陈述的贡献
- 摘要称，适当先验可使所研究的贝叶斯点估计量比最大似然估计偏差更小，并可通过合适参数变换形成枢轴量。
- 阅读关注点
- 应核对适用的模型、先验和点估计准则，以及较小偏差的参数范围；还应检查枢轴量的变换形式和参数无关性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明具体模型和先验，较小偏差不代表均方误差或总体风险更低。
原文摘要
The sampling distributions of various Bayesian point estimators are examined and it is shown that by choosing an appropriate prior distribution for the unknown parameter such estimators can be less biased than the maximum likelihood estimator. It is also shown that a pivotal quantity can be developed by a suitable transformation of the unknown parameter.