Hierarchical Bayesian semiparametric procedures for logistic regression
Logistic 回归的层级贝叶斯半参数方法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：摘要讨论通用回归函数的贝叶斯估计，未明确提供经济离散选择或结构模型依据。
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
Logistic 回归的层级贝叶斯半参数方法
- 研究问题
- 当 Logistic 回归函数不被限制在拟合回归曲面上时，如何进行平滑贝叶斯估计，并开展有限样本推断、预测与残差分析？
- 方法与思路
- 作者通过层级贝叶斯程序估计全局收缩和局部平滑参数，直接从独立 Logistic 分布模拟，并利用收缩参数检查假定模型。
- 材料陈述的贡献
- 摘要称该程序可进行精确有限样本推断、预测和残差分析，无需优化，且计算复杂度不会随设计空间维度实质增加。
- 阅读关注点
- 应核对先验结构、收缩和平滑参数的处理、精确推断的具体含义，以及直接模拟和维度复杂度结论成立的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法确认先验敏感性或计算误差；摘要中的精确推断表述不能直接理解为模拟结果无误差。
原文摘要
A simple procedure is proposed for exact computation to smooth Bayesian estimates for logistic regression functions, when these are not constrained to lie on a fitted regression surface. Exact finite sample inferences and predictions are available, together with an exact residual analysis. The prior distribution relates to O'Hagan's assumptions for a normal regression function. A global shrinkage parameter and local smoothness parameter can be evaluated from the current data by hierarchical Bayesian procedures. Consideration of the shrinkage parameter permits an overall check regarding a hypothesised regression model. No optimisation technique is needed, since Monte Carlo simulations from independent logistic distributions can be directly employed. The complexity of the computations does not substantively increase with the dimensionality of the design space.