Prediction for Seemingly Unrelated Regressions
似不相关回归模型的预测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：摘要研究通用多方程回归的贝叶斯预测，未明确涉及宏观预测或收益预测等指定方向。
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
似不相关回归模型的预测
- 研究问题
- 在贝叶斯似不相关回归模型的预测密度通常无法解析计算时，如何近似这一密度，并比较两种计算方法的表现？
- 方法与思路
- 作者从贝叶斯视角分析模型，分别使用 Gibbs 抽样与基于精度矩阵贝叶斯估计的一阶近似，并以模拟比较、讨论缺失数据扩展。
- 材料陈述的贡献
- 摘要称两种预测密度近似在所考察模拟数据上均表现良好，并讨论允许缺失观测时的模型扩展。
- 阅读关注点
- 应核对先验与预测密度的构造、Gibbs 抽样的收敛检查、一阶近似的误差来源，以及缺失数据扩展的具体处理方式。
- 阅读边界
- 仅据所给 Crossref 摘要；先验、模拟规模和近似误差未说明，也未指明宏观或金融预测对象，不能推广其表现。
原文摘要
SUMMARY The seemingly unrelated regressions model is described and analysed from a Bayesian perspective. The predictive density for this model cannot, in general, be evaluated analytically. Two approximations are proposed and investigated. These are Gibbs sampling and a first-order approximation based on a Bayes estimate of the precision matrix. These approximations are then compared on simulated data and both appear to give good results. Extensions to allow for missing data are also discussed.