A Bayesian chi-squared test for hypothesis testing
用于假设检验的贝叶斯卡方检验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：摘要提出通用贝叶斯假设检验，经济和金融仅作为未具体说明的示例，缺乏归入某个领域细分的充分文本依据。
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
用于假设检验的贝叶斯卡方检验
- 研究问题
- 如何为点原假设构造易于计算且具有渐近卡方分布的贝叶斯检验，并处理不适定先验及 Jeffrey–Lindley 悖论等问题？
- 方法与思路
- 作者基于二次损失构造统计量，将其解释为拉格朗日乘子检验的贝叶斯对应形式，并在正则条件下推导原假设成立时的渐近分布。
- 材料陈述的贡献
- 摘要称统计量非负、可用于不适定先验、避免所述悖论，并易于计算数值标准误；其渐近枢轴性质允许使用卡方临界值。
- 阅读关注点
- 应核对二次损失和统计量的定义、后验存在要求及渐近正则条件，检查潜变量模型的计算流程，以及避免悖论这一陈述的适用范围。
- 阅读边界
- 仅据所列出版社摘要，无法确认先验和模型的允许范围，也不能推断小样本检验水平准确；摘要未提供经济金融示例的具体模型与结果。
原文摘要
A new Bayesian test statistic is proposed to test a point null hypothesis based on a quadratic loss. The proposed test statistic may be regarded as the Bayesian version of the Lagrange multiplier test. Its asymptotic distribution is obtained based on a set of regular conditions and follows a chi-squared distribution when the null hypothesis is correct. The new statistic has several important advantages that make it appealing in practical applications. First, it is well-defined under improper prior distributions. Second, it avoids Jeffrey–Lindley’s paradox. Third, it always takes a non-negative value and is relatively easy to compute, even for models with latent variables. Fourth, its numerical standard error is relatively easy to obtain. Finally, it is asymptotically pivotal and its threshold values can be obtained from the chi-squared distribution. The method is illustrated using some real examples in economics and finance.