后验信念评估：从复杂统计模型的贝叶斯分析中提取有意义的主观判断

在本文中，我们关注为贝叶斯分析结果赋予意义，该问题足够复杂，以至于我们无法断言分析师的专家概率判断与为分析所选的先验设定和似然的特定形式之间存在精确对应。为此，我们提出在替代的先验与似然建模判断集合下执行有限集合的附加贝叶斯分析，这些判断也可视为代表我们的先验知识和问题结构，并利用它们计算关注关键量的后验信念评估。我们表明这些评估比原始贝叶斯分析更接近我们真实的潜在信念，并利用时间确定性偏好原理建立真实后验判断、后验信念评估与原始贝叶斯分析之间的概率关系以使之精确。我们利用二阶可交换性将方法推广到存在无限多可视为对真实判断有信息的替代贝叶斯分析的情形，使方法即便在此类情况下仍易处理。我们认为后验信念评估是稳健贝叶斯分析的一个易处理且强大的替代方案。我们描述了即使在最复杂统计模型中计算后验信念评估的方法论，并通过校准昂贵海洋模型以量化真实海洋全球平均温度不确定性的例子加以说明。