Approximate Bayes Factors When a Mode Occurs on the Boundary
众数位于边界时贝叶斯因子的近似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：摘要讨论通用贝叶斯模型比较与边界近似，没有直接指向所列微观、宏观或金融领域细分。
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
众数位于边界时贝叶斯因子的近似
- 研究问题
- 当后验众数落在参数空间边界、通常的内部众数条件失效时，如何近似贝叶斯因子并评估干扰参数先验的影响？
- 方法与思路
- 作者采用适用于边界众数的Laplace方法近似贝叶斯因子，修改Schwarz准则，并研究嵌套模型中的先验敏感性。
- 材料陈述的贡献
- 摘要称给出边界众数情形的贝叶斯因子近似与模型选择准则调整，并以额外二项变异的检验说明方法。
- 阅读关注点
- 应核对边界的几何形状与光滑性要求、近似误差的控制，以及干扰参数先验如何影响嵌套模型比较结果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；近似精度、正则条件及先验敏感性的具体结论未说明，不能推断普遍适用性。
原文摘要
Bayes factors, measuring the strength of evidence in favor of the null, are often used in the Bayesian approach to testing hypotheses. Laplace approximations to Bayes factors are convenient and quite accurate in many contexts. However, one usual assumption—the existence of an interior mode—does not always hold. The posterior mode can occur at the boundary of the parameter space. This article discusses the boundary mode Laplace's method for boundary modes, uses it to approximate the Bayes factor, and presents a modification to the Schwarz criterion. The sensitivity of Bayes factor to the choice of prior on the nuisance parameter in testing nested models is also investigated. Results are illustrated for the case of testing extrabinomial variability.