Mixtures of g Priors for Bayesian Variable Selection
用于贝叶斯变量选择的 g 先验混合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：摘要聚焦通用贝叶斯变量选择和先验性质，未提供可对应所列经济或金融细分方向的应用或研究对象。
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…
用于贝叶斯变量选择的 g 先验混合
- 研究问题
- 贝叶斯变量选择中，如何缓解固定 g 先验的某些一致性问题，同时保留该类先验便于计算的特点？
- 方法与思路
- 作者研究 g 先验的混合形式，分析其理论性质，并用真实和模拟例子与固定 g 先验、经验贝叶斯及其他默认程序比较。
- 材料陈述的贡献
- 摘要称混合 g 先验可解决原始形式的许多问题，同时维持计算便利性，并提供理论性质及若干比较示例。
- 阅读关注点
- 应核对混合分布的具体形式、被解决的一致性问题及其条件，以及模型空间、先验敏感性和比较程序的设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明具体定理，也未提供所提来信与回复的内容。
原文摘要
Zellner's g prior remains a popular conventional prior for use in Bayesian variable selection, despite several undesirable consistency issues. In this article we study mixtures of g priors as an alternative to default g priors that resolve many of the problems with the original formulation while maintaining the computational tractability that has made the g prior so popular. We present theoretical properties of the mixture g priors and provide real and simulated examples to compare the mixture formulation with fixed g priors, empirical Bayes approaches, and other default procedures. Please see Arnold Zellner's letter and the author's response.