Estimating Bayes Factors via Posterior Simulation with the Laplace—Metropolis Estimator
利用后验模拟与Laplace–Metropolis估计量估计贝叶斯因子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：摘要核心是通用边际似然计算；随机效应与生育调查案例未明确提供纵向或其他所列细分方向的依据。
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
利用后验模拟与Laplace–Metropolis估计量估计贝叶斯因子
- 研究问题
- 如何利用后验模拟输出估计模型的边际似然，从而开展贝叶斯检验和模型选择，尤其处理含随机效应的模型？
- 方法与思路
- 作者介绍无随机效应模型的Laplace–Metropolis估计量，并构造复合版本，用模拟输出分批评估估计不确定性。
- 材料陈述的贡献
- 摘要称方法可检验随机效应模型中的解释变量作用及随机效应是否存在，并报告世界生育调查应用中的准确结果。
- 阅读关注点
- 应核对复合估计量如何处理随机效应、后验模拟与近似误差如何区分，以及分批方法衡量不确定性的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；准确性的比较基准、先验设定及数值误差未提供，随机效应也不直接意味着面板设计。
原文摘要
The key quantity needed for Bayesian hypothesis testing and model selection is the integrated, or marginal, likelihood of a model. We describe a way to use posterior simulation output to estimate integrated likelihoods. We describe the basic Laplace—Metropolis estimator for models without random effects. For models with random effects, we introduce the compound Laplace-Metropolis estimator. We apply this estimator to data from the World Fertility Survey and show it to give accurate results. Batching of simulation output is used to assess the uncertainty involved in using the compound Laplace-Metropolis estimator. The method allows us to test for the effects of independent variables in a random-effects model and also to test for the presence of the random effects.