A Bayesian Approach to Non-Parametric Monotone Function Estimation
非参数单调函数估计的贝叶斯方法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。
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：摘要核心是形状约束函数估计，需求回归示例未明确结构模型，所列细分证据不足。
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…
非参数单调函数估计的贝叶斯方法
- 研究问题
- 作者研究如何以贝叶斯方法估计非参数单调函数，同时考察不同函数下的小样本表现、平滑函数的一致性及需求函数应用。
- 方法与思路
- 作者提出两条路径：利用平滑单调函数表征的层次贝叶斯方法，以及通过受约束正态混合先验保证单调性的回归样条方法。
- 材料陈述的贡献
- 摘要称，两类方法具有模拟比较结果，并对一大类平滑函数给出一致性结论；受约束样条还用于两个函数单调的需求回归。
- 阅读关注点
- 应核对函数表征与系数先验如何施加单调约束、平滑性和一致性条件，以及需求回归中的约束依据与比较方法。
- 阅读边界
- 仅据 Crossref 摘要；摘要未给出先验细节、收敛速率或模拟数值，需求函数例子也不足以确认结构识别或经济解释。
原文摘要
Summary The paper proposes two Bayesian approaches to non-parametric monotone function estimation. The first approach uses a hierarchical Bayes framework and a characterization of smooth monotone functions given by Ramsay that allows unconstrained estimation. The second approach uses a Bayesian regression spline model of Smith and Kohn with a mixture distribution of constrained normal distributions as the prior for the regression coefficients to ensure the monotonicity of the resulting function estimate. The small sample properties of the two function estimators across a range of functions are provided via simulation and compared with existing methods. Asymptotic results are also given that show that Bayesian methods provide consistent function estimators for a large class of smooth functions. An example is provided involving economic demand functions that illustrates the application of the constrained regression spline estimator in the context of a multiple-regression model where two functions are constrained to be monotone.