Robust Bayesian analysis of selection models
选择模型的稳健贝叶斯分析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：摘要中的选择模型指通用加权分布与后验稳健性，未明确对应离散选择、结构估计或因果推断。
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
选择模型的稳健贝叶斯分析
- 研究问题
- 当观测进入样本的选择权重存在不确定性、仅知道其属于某个函数集合时，后验均值或事件后验概率可能在多大范围内变化？
- 方法与思路
- 作者将选择后的密度写成原始密度与权重函数相乘的形式，在允许的权重函数类上考察后验量范围，并运用减变换概念进行变分分析。
- 材料陈述的贡献
- 摘要称，论文针对选择权重不确定的模型开展稳健贝叶斯分析，求取后验均值、集合后验概率等目标量随权重变化的范围。
- 阅读关注点
- 应核对权重函数类的限制、加权密度的归一化、后验界的求取与可达性，以及变分分析使用减变换性质的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；权重限制与后验范围的具体表达未提供，也未说明经济样本选择或因果识别应用。
原文摘要
Selection models arise when the data are selected to enter the sample only if they occur in a certain region of the sample space. When this selection occurs according to some probability distribution, the resulting model is often instead called a weighted distribution model. In either case the "original" density becomes multiplied by a "weight function" $w(x)$. Often there is considerable uncertainty concerning this weight function; for instance, it may be known only that $w$ lies between two specified weight functions. We consider robust Bayesian analysis for this situation, finding the range of posterior quantities of interest, such as the posterior mean or posterior probability of a set, as $w$ ranges over the class of weight functions. The variational analysis utilizes concepts from variation diminishing transformations.