On Bartlett adjustments for approximate Bayesian inference
近似贝叶斯推断中的 Bartlett 调整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：摘要研究通用贝叶斯近似与高阶校正，回归应用不足以对应所列经济计量细分方向。
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
近似贝叶斯推断中的 Bartlett 调整
- 研究问题
- 似然比统计量与后验比统计量的后验分布如何作更精确的卡方近似，以及相应的 Bartlett 调整因子如何计算？
- 方法与思路
- 作者基于边际后验密度的渐近近似，推导两种统计量的显式调整因子，并介绍用数值微分辅助计算的方法。
- 材料陈述的贡献
- 摘要称，Bartlett 校正可将卡方近似误差从 O(n⁻¹) 降至 O(n⁻²)，并考察完整及右删失数据的回归推断应用。
- 阅读关注点
- 读全文时应核对后验近似所需的正则条件、两种统计量的定义、数值微分的稳定性，以及删失回归中的具体实现。
- 阅读边界
- 所据为稿件版本未注明的索引摘要；摘要未说明正则条件及应用结果，不能据此判断小样本改善幅度或刊本变化。
原文摘要
In wide generality, the posterior distributions of the likehood ratio statistic and the posterior ratio statistic are chi-squared to error of order O(n−1), where n is sample size. The error in the chi-squared approximation can be reduced to order O(n−2) by Bartlett correction. In this paper, explicit formulae are derived for the Bartlett adjustment factors of both statistics, and the derivations are based on the Tierney. Kass & Kadane (1989) asymptotic approximation for marginal posterior probability density functions. The use of numerical differentiation to facilitate calculation of the Bartlett adjustments is also described. Some applications are considered that concern inference about regression models from both complete and right-censored data.