Dynamic Hierarchical Models
动态层级模型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：摘要明确分析截面数据的时间序列并融合动态线性模型，但未明确同一个体的面板结构。
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
动态层级模型
- 研究问题
- 如何从贝叶斯角度分析随时间收集的截面数据，并在同一框架中处理层级信息、动态演化、平滑与收缩估计？
- 方法与思路
- 作者以先验分布描述信息，将分层参数线性模型与动态线性模型合并，讨论信息传递、未知观测方差及非线性扩展。
- 材料陈述的贡献
- 摘要称该框架包含多种计量与试验设计模型，推导模型性质并重新评估收缩估计，同时讨论动态演化和层级平滑。
- 阅读关注点
- 应核对层级与时间结构的具体设定、信息跨层传递方式、未知标量观测方差的推断，以及非线性扩展的完成程度。
- 阅读边界
- 仅据所给Crossref摘要；摘要未明确是否追踪同一组个体，也未给出状态演化条件、推断公式或非线性扩展的具体结果。
原文摘要
SUMMARY An analysis of a time series of cross-sectional data is considered under a Bayesian perspective. Information is modelled in terms of prior distributions and stratified parametric linear models developed by Lindley and Smith and dynamic linear models developed by Harrison and Stevens are merged into a general framework. This is shown to include many models proposed in econometrics and experimental design. Properties of the model are derived and shrinkage estimators reassessed. Evolution, smoothing and passage of data information through the levels of the hierarchy are discussed. Inference with an unknown scalar observation variance is drawn and an extension to the non-linear case is proposed.