Objective Bayesian analysis for the Student-t regression model
Student-t 回归模型的客观贝叶斯分析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：摘要讨论通用厚尾回归的客观贝叶斯分析，未提供金融风险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…
Student-t 回归模型的客观贝叶斯分析
- 研究问题
- 在 Student-t 回归的自由度未知时，如何选择先验以获得正常化的后验，并避免不当先验或先验过强主导分析的问题。
- 方法与思路
- 作者基于两种不同的 Jeffreys 先验开展贝叶斯分析，研究后验的适当性，并比较其估计量与已有先验下的贝叶斯估计量。
- 材料陈述的贡献
- 摘要称两种所考察的 Jeffreys 先验均可产生适当后验，基于它们的估计量相较文献中其他先验所得估计表现较好。
- 阅读关注点
- 应核对两种 Jeffreys 先验的构造、后验适当性所需的样本与设计条件，以及估计比较的损失标准和参数范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；后验适当性条件和比较标准未说明，不能据此认定任意数据下均适用或一致占优。
原文摘要
We develop a Bayesian analysis based on two different Jeffreys priors for the Student-t regression model with unknown degrees of freedom. It is typically difficult to estimate the number of degrees of freedom: improper prior distributions may lead to improper posterior distributions, whereas proper prior distributions may dominate the analysis. We show that Bayesian analysis with either of the two considered Jeffreys priors provides a proper posterior distribution. Finally, we show that Bayesian estimators based on Jeffreys analysis compare favourably to other Bayesian estimators based on priors previously proposed in the literature.