Flat priors vs. ignorance priors in the analysis of the AR(1) model
AR(1) 模型分析中的平坦先验与无知先验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：摘要直接研究 AR(1) 自回归参数及平稳与爆炸区域的贝叶斯时间序列推断。
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
AR(1) 模型分析中的平坦先验与无知先验
- 研究问题
- 在 AR(1) 模型中，平坦先验与 Phillips 提出的无知先验如何影响后验分布，尤其是否过度支持爆炸性参数？
- 方法与思路
- 作者通过基于 AR(1) 模型的蒙特卡洛研究比较两类先验，考察其对似然所概括的样本信息及后验形状的影响。
- 材料陈述的贡献
- 摘要称，无知先验对大于一的自回归参数赋予较高权重，甚至在真实参数明显小于一时产生爆炸区间的第二后验峰。
- 阅读关注点
- 应核对先验的具体形式及参数支持集、模拟样本量和真值范围，以及后验双峰对参数化和数值计算的敏感性。
- 阅读边界
- 所给 Crossref 摘要未说明完整模拟设计和误差评估，作者对先验扭曲的判断不能直接推广到所有时间序列模型。
原文摘要
Abstract The paper compares, by a Monte‐Carlo study based on an AR(1) model, the performance of the flat prior and the ignorance prior suggested by Phillips. It argues that the ignorance prior gives heavy weight to values of the autoregressive parameter p higher than 1, and hence distorts the sample evidence as summarized in the likelihood function. It yields bimodal posterior distributions, with the second mode at p higher than 1, even when the true value of p is substantially less than 1.