Bayesian Inference for Multidimensional Welfare Comparisons
多维福利比较的贝叶斯推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究多维福利分布、贫困程度和随机占优比较。
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…
多维福利比较的贝叶斯推断
- 研究问题
- 如何联合收入、心理健康、教育和幸福感四项属性，通过单一指数与随机占优进行福利和贫困比较并表达后验不确定性？
- 方法与思路
- 作者用贝叶斯马尔可夫链蒙特卡洛估计边际分布，以联结函数组合为联合分布，计算福利指数后验均值与占优概率。
- 材料陈述的贡献
- 摘要称展示多维福利比较的贝叶斯实现，并在三类效用函数及一、二、四属性设定下比较澳大利亚三个时间区间。
- 阅读关注点
- 应核对边际混合分布与联结函数设定、效用函数类别对应的占优条件，以及后验概率对先验和模型选择的敏感性。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未报告具体福利变化、占优概率或模型拟合与稳健性结果。
原文摘要
Using both single-index measures and stochastic dominance concepts, we show how Bayesian inference can be used to make multivariate welfare comparisons. A four-dimensional distribution for the well-being attributes income, mental health, education, and happiness are estimated via Bayesian Markov chain Monte Carlo using unit-record data taken from the Household, Income and Labour Dynamics in Australia survey. Marginal distributions of beta and gamma mixtures and discrete ordinal distributions are combined using a copula. Improvements in both well-being generally and poverty magnitude are assessed using posterior means of single-index measures and posterior probabilities of stochastic dominance. The conditions for stochastic dominance depend on the class of utility functions that is assumed to define a social welfare function and the number of attributes in the utility function. Three classes of utility functions are considered, and posterior probabilities of dominance are computed for one, two, and four-attribute utility functions for three time intervals within the period 2001 to 2019.