Properties and Implementation of Jeffreys’s Prior in Binomial Regression Models
二项回归模型中 Jeffreys 先验的性质与计算实现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：摘要明确研究二项响应及 logistic、probit 等离散响应回归模型，与离散选择建模方法相关。
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…
二项回归模型中 Jeffreys 先验的性质与计算实现
- 研究问题
- 二项回归的 Jeffreys 先验具有怎样的形状、尾部和变换性质，其在变量选择中的维度惩罚如何理解并计算？
- 方法与思路
- 作者分析不同连接函数下先验的理论性质，将尾部与多元 t 及正态分布比较，并开发重要性抽样进行先验和后验计算。
- 材料陈述的贡献
- 摘要称，论文建立一类模型下的对称单峰性、归一化常数的变换不变性，以及先验维度惩罚与贝叶斯信息准则的联系。
- 阅读关注点
- 应核对对称单峰性适用的模型类别、尾部比较结论、协变量变换规则，以及重要性抽样与变量选择计算的稳定性。
- 阅读边界
- 所据为 OpenAlex 索引摘要，稿件版本未注明；各性质的具体适用条件和计算结果未给出，不能将结论推广到所有连接函数。
原文摘要
We study several theoretical properties of Jeffreys's prior for binomial regression models. We show that Jeffreys's prior is symmetric and unimodal for a class of binomial regression models. We characterize the tail behavior of Jeffreys's prior by comparing it with the multivariate t and normal distributions under the commonly used logistic, probit, and complementary log-log regression models. We also show that the prior and posterior normalizing constants under Jeffreys's prior are linear transformation-invariant in the covariates. We further establish an interesting theoretical connection between the Bayes information criterion and the induced dimension penalty term using Jeffreys's prior for binomial regression models with general links in variable selection problems. Moreover, we develop an importance sampling algorithm for carrying out prior and posterior computations under Jeffreys's prior. We analyze a real data set to illustrate the proposed methodology.