REVISING BELIEFS IN NONIDENTIFIED MODELS
非识别模型中的信念更新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：摘要涉及一般非识别模型的贝叶斯学习，未提供所列应用领域的直接证据。
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
非识别模型中的信念更新
- 研究问题
- 在非识别模型中，贝叶斯分析能够更新哪些参数相关信念，可归一化与不可归一化先验分别带来什么限制？
- 方法与思路
- 作者通过一系列例子考察两类先验，比较相关量的边际先验与后验，并讨论非识别下后验可能无法归一化的问题。
- 材料陈述的贡献
- 摘要称，即使采用可归一化先验完成贝叶斯分析，也存在数据不提供信息的量，其边际先验与后验完全相同。
- 阅读关注点
- 应核对不被数据更新的量如何定义、结论适用的模型条件，以及不可归一化先验何时导致不可归一化后验。
- 阅读边界
- 所给 Crossref 摘要未列出例子和完整条件，不能将某些量无法更新的结论扩大为整个后验都不受数据影响。
原文摘要
A Bayesian analysis of a nonidentified model is always possible if a proper prior on all the parameters is specified. There is, however, no Bayesian free lunch. The “price” is that there exist quantities about which the data are uninformative, i.e., their marginal prior and posterior distributions are identical. In the case of improper priors the analysis is problematic—resulting posteriors can be improper. This study investigates both proper and improper cases through a series of examples.