Posterior expectation based on empirical likelihoods
基于经验似然的后验期望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：摘要讨论经验似然与通用非参数点估计，没有明确分布效应、因果参数或其他所列经济计量对象。
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
基于经验似然的后验期望
- 研究问题
- 如何借助经验似然将后验期望这一贝叶斯点估计方法推广到非参数模型，并构造具有收缩思想的非参数估计程序？
- 方法与思路
- 作者用经验似然定义非参数模型中的后验期望，发展 James–Stein 估计的非参数对应方法，并通过 Laplace 方法给出渐近近似。
- 材料陈述的贡献
- 摘要称，论文建立所提后验期望的渐近近似；模拟中其效率常高于对应的经典非参数程序，尤其在数据分布偏斜时。
- 阅读关注点
- 应核对先验与经验似然的结合方式、非参数收缩估计的目标、Laplace 近似条件，以及效率比较采用的损失和模拟设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；先验选择、具体条件及效率数值未提供，模拟比较不能视为统一支配结论。
原文摘要
Posterior expectation is widely used as a Bayesian point estimator. In this note we extend it from parametric models to nonparametric models using empirical likelihood, and develop a nonparametric analogue of James–Stein estimation. We use the Laplace method to establish asymptotic approximations to our proposed posterior expectations, and show by simulation that they are often more efficient than the corresponding classical nonparametric procedures, especially when the underlying data are skewed.