A Bayesian significance test of the stationarity of regression parameters
回归参数稳定性的贝叶斯显著性检验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：摘要直接检验回归参数稳定性，并与 CUSUM 类检验比较，对应结构变化检测。
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
回归参数稳定性的贝叶斯显著性检验
- 研究问题
- 如何利用贝叶斯可信集检验回归方程参数是否稳定，并识别单个参数的不稳定，而非仅判断整体方程发生变化？
- 方法与思路
- 作者基于最高后验密度可信集构造贝叶斯显著性检验，并通过蒙特卡洛模拟与 CUSUM 及平方 CUSUM 检验比较。
- 材料陈述的贡献
- 摘要称模拟中该检验具有更强功效，并可能用于检测单个参数的不稳定；另称提供 Behrens–Fisher 问题的解法。
- 阅读关注点
- 应核对先验与可信集如何转化为检验、显著性水平的校准，以及功效比较中的变化设定、样本量和尺寸控制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；先验、模拟设计和检验尺寸未说明，功效优势仅能视为摘要报告。
原文摘要
This paper presents a Bayesian significance test for stationarity of a regression equation using the highest posterior density credible set. In addition, a solution to the Behrens-Fisher problem is provided. From a Monte Carlo simulation study, it has been shown that the Bayesian significance test has stronger power than the Cusum and the Cusum of squares tests. The Bayesian significance test may be useful in detecting individual parameter nonstationarity.