Bayesian Regression with Multivariate Linear Splines
多元线性样条的贝叶斯回归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：摘要讨论通用贝叶斯回归与样条预测，未提供对应所列经济计量细分领域的直接证据。
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
多元线性样条的贝叶斯回归
- 研究问题
- 如何把一元线性样条推广到多维回归，同时在预测中反映样条数量、位置和模型选择带来的不确定性？
- 方法与思路
- 作者用基函数构造分段线性模型，对样条数量与位置设置先验，再通过模型平均形成预测分布和局部线性参数分布。
- 材料陈述的贡献
- 摘要称该方法具有空间自适应性，预测分布能够纳入模型不确定性，并可利用低维样条实现协变量选择。
- 阅读关注点
- 应核对基函数构造、先验设置与后验计算方式，以及低维样条如何实现变量选择、空间自适应性如何评估。
- 阅读边界
- 仅依据所给Crossref摘要；摘要未说明先验敏感性、计算成本或比较结果，不能推断预测优势及其他版本变化。
原文摘要
Summary We present a Bayesian analysis of a piecewise linear model constructed by using basis functions which generalizes the univariate linear spline to higher dimensions. Prior distributions are adopted on both the number and the locations of the splines, which leads to a model averaging approach to prediction with predictive distributions that take into account model uncertainty. Conditioning on the data produces a Bayes local linear model with distributions on both predictions and local linear parameters. The method is spatially adaptive and covariate selection is achieved by using splines of lower dimension than the data.