BAYESIAN CONSISTENCY FOR STATIONARY MODELS
平稳模型的贝叶斯一致性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：摘要研究一般平稳模型的贝叶斯一致性，未明确所列具体经济应用或模型方向。
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…
平稳模型的贝叶斯一致性
- 研究问题
- 当观测数据具有平稳依赖而非独立同分布时，如何建立后验分布序列的一致性，为贝叶斯程序的渐近有效性提供理论基础？
- 方法与思路
- 作者为平稳模型提出 Doob 风格的一致性定理，以后验分布的渐近行为为核心处理依赖数据情形；摘要未列出具体假设。
- 材料陈述的贡献
- 摘要称该定理填补平稳模型贝叶斯一致性理论的一项缺口，并强调结果的一般性；这些范围主张仍需结合正文条件理解。
- 阅读关注点
- 应核对一致性采用的拓扑、参数可识别性及先验条件，尤其是结论对哪些真实参数成立，以及是否存在先验零测的例外集合。
- 阅读边界
- 所给 RePEc 出版社摘要未说明定理条件与例外范围，不能据此保证任意平稳模型、任意先验或所有真实参数下均一致。
原文摘要
In this paper, we provide a Doob-style consistency theorem for stationary models. Many applications involving Bayesian inference deal with non independent and identically distributed data, in particular, with stationary data. However, for such models, there is still a theoretical gap to be filled regarding the asymptotic properties of Bayesian procedures. The primary goal to be achieved is establishing consistency of the sequence of posterior distributions. Here we provide an answer to the problem. Bayesian methods have recently gained growing popularity in economic modeling, thus implying the timeliness of the present paper. Indeed, we secure Bayesian procedures against possible inconsistencies. No results of such a generality are known up to now.The authors are grateful for the comments and suggestions of two referees. Antonio Lijoi and Igor Prünster were supported by the Italian Ministry of University and Research, grants 2006134525 and 2006133449, respectively. The research of Stephen G. Walker was funded by an EPSRC Advanced Research Fellowship.