Predictive specification of prior model probabilities in variable selection
变量选择中模型先验概率的预测式设定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：摘要研究一般正态线性模型的贝叶斯变量选择，先验预测属于概率设定输入，没有宏观预测或金融预测的直接证据。
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
变量选择中模型先验概率的预测式设定
- 研究问题
- 在正态线性模型的变量选择中，如何为全部候选变量子集模型设定先验概率，并减少所需的先验输入？
- 方法与思路
- 作者利用对可观测量的先验预测、相应权重及对误差精度的先验意见，构建候选子集模型的先验概率设定方案。
- 材料陈述的贡献
- 摘要称，所提方法仅需上述三类输入即可设定变量选择中的模型先验概率，并通过数值例子说明该方案。
- 阅读关注点
- 应核对先验预测如何映射为模型概率、权重与误差精度的作用，以及模型空间规模和输入变化对结果的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出概率构造公式、选择一致性或敏感性结果，不能断言其优于其他先验。
原文摘要
We examine the problem of specifying prior probabilities for all possible subset models in the context of variable selection in normal linear models. A solution is proposed that uses a prior prediction for the observable, an associated weight, and prior opinion regarding error precision as the only required input. Numerical examples are given to illustrate the method.