On Bayes factors for the linear model
线性模型中的贝叶斯因子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：摘要研究正态线性模型中贝叶斯检验与不变性的一般理论，未指定因果、宏观或金融研究对象，因此没有充分细分依据。
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
线性模型中的贝叶斯因子
- 研究问题
- 在正态线性回归中，检验一组系数是否为零时，哪些先验能使贝叶斯因子对应不变检验类中的一致最强检验，且是否具有必要性？
- 方法与思路
- 作者研究被检验系数具有特定尺度矩阵的椭圆分布先验，分析贝叶斯因子的最优不变检验性质，并在一定条件下讨论逆向结论。
- 材料陈述的贡献
- 摘要称，该先验类使贝叶斯因子产生一致最强不变检验；在温和条件下，具有指定尺度矩阵的椭圆先验也是该性质的必要条件。
- 阅读关注点
- 应核对不变检验类的定义、先验尺度矩阵与其他参数先验的安排，以及充分性和必要性结论各自依赖的条件与检验规则。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；尺度矩阵和具体条件未提供，不能推断刊本变化，也不能将最优性扩展到全部检验。
原文摘要
We show that the Bayes factor for testing whether a subset of coefficients are zero in the normal linear regression model gives the uniformly most powerful test amongst the class of invariant tests discussed in Lehmann & Romano (2005) if the prior distributions for the regression coefficients are in a specific class of distributions. The priors in this class can have any elliptical distribution, with a specific scale matrix, for the subset of coefficients that are being tested. We also show under mild conditions that the Bayes factor gives the uniformly most powerful invariant test only if the prior for the coefficients being tested is an elliptical distribution with this scale matrix. The implications are discussed.