Bayesian Estimation of Finite Population Parameters in Categorical Data Models Incorporating Order Restrictions
带顺序约束的分类数据模型中有限总体参数的贝叶斯估计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：分类概率用于调查总体推断，摘要未涉及个体离散选择行为或分布效应估计。
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
带顺序约束的分类数据模型中有限总体参数的贝叶斯估计
- 研究问题
- 一般总体调查缺乏合适的回归型模型时，如何借助分类概率的形状约束，对有限总体均值进行贝叶斯推断？
- 方法与思路
- 作者采用分类数据模型，在先验中加入以单峰或多峰顺序关系表达的平滑约束，并用重要性抽样进行蒙特卡洛积分。
- 材料陈述的贡献
- 摘要称，该方法用于有限总体参数、尤其总体均值的后验推断，同时给出计算后验矩和后验概率的方法。
- 阅读关注点
- 应核对类别划分、顺序约束和先验的具体形式，以及抽样设计如何进入后验、重要性抽样的稳定性。
- 阅读边界
- 仅据所给 Crossref 摘要；未说明先验敏感性、抽样设计条件或计算精度，不能推断后续版本变化。
原文摘要
SUMMARY This note describes a Bayesian method for estimation of finite population parameters in general population surveys where acceptable regression-type models are typically unavailable. A categorical data model is adopted as in Ericson (1969, Section 4). However, specifications of smoothness are incorporated into the prior distribution. These smoothness conditions are expressed as unimodal or, possibly, multi-modal order relations among the category probabilities. Emphasis is placed on posterior inference about the finite population mean. Of independent interest is the methodology for evaluating the posterior moments and probabilities using Monte Carlo integration with importance sampling.