Quasi-Bayes in Latent Variable Models
潜变量模型中的准贝叶斯方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦一般潜变量非参数估计和收入成分分解，未明确对应所列细分的专门方法。
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
潜变量模型中的准贝叶斯方法
- 研究问题
- 如何对包含不可观测经济行为决定因素的潜变量模型进行非参数估计，并将这一方法用于分解个人收入的潜在成分？
- 方法与思路
- 作者提出适用于一大类潜变量模型的准贝叶斯方法，将美国PSID个人对数收入建模为永久成分与暂时成分之和。
- 材料陈述的贡献
- 摘要提出非参数准贝叶斯估计框架及收入分解应用，并称模拟显示其相对常见替代估计量具有较好的表现。
- 阅读关注点
- 应核对可涵盖的潜变量模型、识别条件、准似然与先验构造，以及收入分解假设和模拟比较采用的评价指标。
- 阅读边界
- 这是arXiv预印本，同行评审及期刊接收未核实；摘要未说明具体识别、渐近性质或数值结果，不能判断优势的适用范围。
原文摘要
Latent variable models are widely used to account for unobserved determinants of economic behavior. This paper introduces a quasi-Bayes approach to nonparametrically estimate a large class of latent variable models. As an application, we model U.S. individual log earnings from the Panel Study of Income Dynamics (PSID) as the sum of latent permanent and transitory components. Simulations illustrate the favorable performance of quasi-Bayes estimators relative to common alternatives.