Elimination of Nuisance Parameters with Reference Priors
利用参考先验消除干扰参数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：摘要讨论通用的干扰参数消除与统计推断，未提供所列经济计量细分方向的直接依据。
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
利用参考先验消除干扰参数
- 研究问题
- 在多参数统计模型中，如何消除干扰参数，并比较参考先验贝叶斯分析与剖面似然等方法对目标参数推断的影响？
- 方法与思路
- 作者比较剖面似然及其修正方法与基于参考先验的贝叶斯分析，通过多参数实例考察可信集的频率学覆盖表现。
- 材料陈述的贡献
- 摘要称，所考察实例中参考先验所得可信集的频率学覆盖概率优于似然方法，并讨论两类分析的优势与局限。
- 阅读关注点
- 核对参考先验的构造、目标参数与干扰参数的划分，以及覆盖概率比较采用的模型、样本范围和评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法判断覆盖优势适用于哪些条件，也不能将实例比较推广为普遍结论。
原文摘要
The problem of eliminating nuisance parameters is tackled from different points of view. Standard likelihood techniques, such as profile likelihood and its modifications, are compared with a Bayesian analysis based on reference priors (Berger & Bernardo, 1992a). Examples are considered to illustrate what happens in multiparameter problems. In particular the frequentist coverage probabilities of the credible sets derived from the reference priors are shown to be better than those computed from a likelihood approach. Advantages and disadvantages of Bayesian and likelihood analyses are discussed.