Outlier‐Robust Bayesian Multinomial Choice Modeling
异常值稳健的贝叶斯多项选择模型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：摘要明确研究多项选择模型，并讨论备选项的相关性及选择数据中的异常值，因此归入离散选择。
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…
异常值稳健的贝叶斯多项选择模型
- 研究问题
- 当选择结果与解释变量都可能出现异常值时，如何稳健估计多项选择模型，并兼顾备选项之间相关或不相关的情形？
- 方法与思路
- 作者提出贝叶斯估计方法，用厚尾多元拉普拉斯分布处理响应方向的异常值，并通过收缩程序处理解释变量中的高杠杆点。
- 材料陈述的贡献
- 摘要称，相比非稳健方法，模型参数估计在模拟中受异常值影响较小；人造黄油扫描数据展示了该方法在定价决策中的应用。
- 阅读关注点
- 阅读全文时应核对选择概率设定、先验与收缩程序，以及稳健性的适用条件；比较模拟中的异常值机制、基准方法和定价评价指标。
- 阅读边界
- 摘要未说明稳健性的具体定义、理论条件或计算成本，也未给出模拟效应量；所称定价改善的评价标准仍需查看全文。
原文摘要
Summary A Bayesian method for outlier‐robust estimation of multinomial choice models is presented. The method can be used for both correlated as well as uncorrelated choice alternatives and guarantees robustness towards outliers in the dependent and independent variables. To account for outliers in the response direction, the fat‐tailed multivariate Laplace distribution is used. Leverage points are handled via a shrinkage procedure. A simulation study shows that estimation of the model parameters is less influenced by outliers compared to non‐robust alternatives. An analysis of margarine scanner data shows how our method can be used for better pricing decisions. Copyright © 2015 John Wiley & Sons, Ltd.