Default priors and predictive performance in Bayesian model averaging, with application to growth determinants
贝叶斯模型平均中的默认先验与预测表现：增长决定因素应用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：摘要聚焦通用线性回归模型平均与先验比较，增长应用未明确对应所列宏观面板或时间序列预测方向。
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…
贝叶斯模型平均中的默认先验与预测表现：增长决定因素应用
- 研究问题
- 在线性回归的贝叶斯模型平均中，参数先验和模型空间先验如何影响预测表现，以及对经济增长决定因素的选择？
- 方法与思路
- 作者比较十二种参数先验与两种模型先验，使用交叉验证评价其在一个增长数据集及两个文献模拟例子中的预测表现。
- 材料陈述的贡献
- 摘要称单位信息先验配合均匀模型先验，在所考察比较中通常表现更好，并识别出最多的增长决定因素；结论限于这些比较。
- 阅读关注点
- 应核对先验尺度和数据依赖方式、模型空间设置、交叉验证划分，以及预测表现与变量纳入结果是否对样本和候选模型敏感。
- 阅读边界
- 摘要未说明预测指标、差异幅度或变量选择稳定性，不能推断该先验普遍最优或增长关系具有因果性；仅依据所给OpenAlex版本。
原文摘要
Bayesian model averaging (BMA) has become widely accepted as a way of accounting for model uncertainty, notably in regression models for identifying the determinants of economic growth. To implement BMA the user must specify a prior distribution in two parts: a prior for the regression parameters and a prior over the model space. Here we address the issue of which default prior to use for BMA in linear regression. We compare 12 candidate parameter priors: the unit information prior (UIP) corresponding to the BIC or Schwarz approximation to the integrated likelihood, a proper data-dependent prior, and 10 priors considered by Fernández et al. (Journal of Econometrics 2001; 100: 381–427). We also compare two model priors: the uniform model prior and a prior with prior expected model size 7. We compare them on the basis of cross-validated predictive performance on a well-known growth dataset and on two simulated examples from the literature. We found that the UIP with uniform model prior generally outperformed the other priors considered. It also identified the largest set of growth determinants. Copyright © 2009 John Wiley & Sons, Ltd.