Gaussian Processes and Bayesian Moment Estimation
高斯过程与贝叶斯矩估计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：摘要主要贡献是一般过度识别矩限制下的贝叶斯推断，航空需求应用未交代结构模型或离散选择设定，现有领域细分不足以直接匹配。
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
高斯过程与贝叶斯矩估计
- 研究问题
- 当一组矩限制过度识别参数时，如何在不对数据分布施加额外限制的情况下开展半参数贝叶斯推断，并获得计算便利及频率学派有效性？
- 方法与思路
- 作者构造退化高斯过程先验，使给定参数时先验生成的数据分布以概率一满足矩限制，并分析参数后验、相关似然方法及其渐近性质。
- 材料陈述的贡献
- 摘要称，该先验适用于过度识别情形，后验计算便利，并与二次准则广义经验似然及有限信息似然方法相关联；还证明后验一致性和渐近正态性。
- 阅读关注点
- 阅读全文时应核对退化高斯过程先验的构造、矩限制的识别条件、后验渐近正态性的具体含义，以及与相关似然方法的联系和航空需求应用设定。
- 阅读边界
- 摘要未说明先验的支持范围、后验渐近结果所需条件或模拟指标；航空需求只是所述应用，仅凭摘要无法判断其结构识别或方法在其他需求模型中的表现。
原文摘要
Given a set of moment restrictions (MRs) that overidentify a parameter θ, we investigate a semiparametric Bayesian approach for inference on θ that does not restrict the data distribution F apart from the MRs. As main contribution, we construct a degenerate Gaussian process prior that, conditionally on θ, restricts the F generated by this prior to satisfy the MRs with probability one. Our prior works even in the more involved case where the number of MRs is larger than the dimension of θ. We demonstrate that the corresponding posterior for θ is computationally convenient. Moreover, we show that there exists a link between our procedure, the generalized empirical likelihood with quadratic criterion and the limited information likelihood-based procedures. We provide a frequentist validation of our procedure by showing consistency and asymptotic normality of the posterior distribution of θ. The finite sample properties of our method are illustrated through Monte Carlo experiments and we provide an application to demand estimation in the airline market.