Bayesian regression with nonparametric heteroskedasticity
具有非参数异方差的贝叶斯回归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：摘要研究线性回归的通用贝叶斯渐近理论；协变量相关异方差并不直接构成给定列表中的金融波动率研究。
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
具有非参数异方差的贝叶斯回归
- 研究问题
- 在线性回归误差并非正态时，以协变量的灵活函数描述方差的半参数贝叶斯方法，能否仍获得有效的系数后验渐近分布？
- 方法与思路
- 作者采用条件正态误差模型并灵活设定协变量相关方差，研究分布误设下经适当重新中心化与缩放的回归系数后验。
- 材料陈述的贡献
- 摘要称，论文建立误设下的半参数 Bernstein–von Mises 定理，使调整后的系数后验趋于零均值、方差为效率界的正态分布。
- 阅读关注点
- 应核对先验与方差函数的条件、重新中心化的具体方式、误设允许范围，以及效率界针对哪个模型和参数定义。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；定理条件和可实施的区间构造未说明，不能直接认定任意贝叶斯区间有效，也不推断版本变化。
原文摘要
This paper studies large sample properties of a semiparametric Bayesian approach to inference in a linear regression model. The approach is to model the distribution of the regression error term by a normal distribution with the variance that is a flexible function of covariates. The main result of the paper is a semiparametric Bernstein–von Mises theorem under misspecification: even when the distribution of the regression error term is not normal, the posterior distribution of the properly recentered and rescaled regression coefficients converges to a normal distribution with the zero mean and the variance equal to the semiparametric efficiency bound.