Parameter Factorization and Inference Based on Significance, Likelihood, and Objective Posterior
参数分解与基于显著性、似然及客观后验的推断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。
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：摘要中的结构模型指统计概率空间模型，缺少归入经济结构估计的文本依据。
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
参数分解与基于显著性、似然及客观后验的推断
- 研究问题
- 在结构模型或概率空间模型中，显著性水平、似然尾部积分与客观后验尾部积分，对完整及分量参数是否给出等价推断？
- 方法与思路
- 作者在结构模型框架内考察三种推断概念，通过完整参数与分量参数的分析，研究相关尾部积分和显著性水平的关系。
- 材料陈述的贡献
- 摘要称在所讨论的结构模型中，完整参数与分量参数的观测显著性水平、似然尾部积分和客观后验尾部积分本质等价。
- 阅读关注点
- 应核对结构模型与客观后验的定义、参数分解方式，以及尾部区域的构造和三类数值等价成立的具体范围。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未给模型条件，不能将等价结论推广至任意统计模型。
原文摘要
The concepts of significance, likelihood, and objective posterior have wide ranges of application in statistics. For certain very simple applications--single location variable--there has been recognition that the three concepts produce equivalent numerical results, specifically the equality of observed level of significance, integrated likelihood extreme values, and integrated objective posterior extreme values. The most general model permitting the use of the three concepts for the full parameter, and indeed for component parameters, is a structural model (or probability-space model). This paper examines the three concepts for a structural model and shows for both the full parameter and for component parameters the essential equivalence of observed level of significance, integrated likelihood extreme values, and integrated objective posterior extreme values.