马蒂尔德·特里维萨尼;阿兰·盖尔芬德（Alan E.Gelfand）。 预期边际对数似然之间的不平等，对基于似然的模型复杂性和比较度量的影响。 （英语） Zbl 1042.62027 可以。J.统计。 31，第3期，239-250（2003）. 摘要：多层次模型允许以不同方式在不同层次上边缘化，产生多个可能的边际可能性。由于在经典模型比较中经常使用对数似然法，所以要问的问题是应该为给定模型选择哪种可能性。作者使用贝叶斯框架对与给定模型相关的可能性进行了定性比较。他们将这些结果与参数的有效数量、惩罚函数和基于似然的模型选择标准的一致定义等相关问题联系起来。特别是，在两阶段模型中，他们表明，通常情况下，无论超验规范、收集了多少数据或实现的值是什么，第一阶段的可能性预计小于边际可能性。在后验概率中，随着样本量的增加和模型水平的增加，这些期望被逆转，差异也会恶化。 引用于5文件 MSC公司： 2015年1月62日 贝叶斯推断 62A01型 统计学基础和哲学主题 62J12型 广义线性模型（逻辑模型） 关键词：偏差信息准则;广义线性混合模型;层次模型;预测分布 PDF格式BibTeX公司 XML格式引用 \textit{M.Trevisani}和\textit{A.E.Gelfand}，加拿大。J.Stat.31，No.3，239--250（2003；Zbl 1042.62027） 全文： 内政部 参考文献： [1] Akaike，第二届信息理论国际研讨会：察科吸附，亚美尼亚，苏联，1971年9月2日至8日，第267页–（1973） [2] Bayarri，统计决策理论及相关主题TV 1 pp 3–（1988）·doi:10.1007/978-1-4613-8768-8_1 [3] 伯杰，模型选择和预测的内在贝叶斯因子，《美国统计协会杂志》91页109–（1996）·Zbl 0870.62021号 [4] Dempster，《显著性检验中可能性的直接使用》，第335页–（1974）·Zbl 0367.62004号 [5] Dempster，《直接使用似然进行显著性检验》，《统计学与计算》第7页，第247页–（1997年）·Zbl 0367.62004号 [6] 盖瑟，《模型选择的预测方法》，《美国统计协会杂志》74页153–（1979）·Zbl 0401.62036号 [7] Gelfand，模型选择：最小后验预测损失方法，Biometrika 85 pp 1–（1998）·Zbl 0904.62036号 [8] 吉尔克斯，马尔可夫链蒙特卡罗方法的实践。(1996) ·Zbl 0832.00018号 [9] Hodges，《等级和其他丰富参数化模型中的自由度计算》，Biometrika 88第367页–（2001）·Zbl 0984.62045号 [10] Kass，Bayes factors，《美国统计协会杂志》90 pp 773–（1995） [11] Lindley，线性模型的Bayes估计（含讨论），《皇家统计学会期刊》B系列34第1页–（1972年）·Zbl 0246.62050号 [12] O'Hagan，模型比较的分数贝叶斯因子，英国皇家统计学会期刊B系列57，第99页–（1995） [13] Rao，线性统计推断及其应用（1973） [14] Schwarz，估算模型的维度，《统计年鉴》第6卷第461页–（1978年）·Zbl 0379.62005年 [15] 塞尔，方差分量（1992） [16] Spiegelhalter，贝叶斯模型灵活性和拟合度量（讨论），《皇家统计学会期刊》B辑64页583页–（2002） 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。