Niedawno przeczytałem o empirycznym Bayesie (Casella, 1985, Wprowadzenie do empirycznej analizy danych Bayesa) i wyglądało to bardzo podobnie do modelu efektów losowych; w tym, że oba szacunki skurczyły się do średniej globalnej. Ale nie przeczytałem go do końca ...
Czy ktoś ma wgląd w podobieństwo i różnice między nimi?
Odpowiedzi:
W połowie lat 70. w JASA znajduje się naprawdę świetny artykuł na temat estymatora Jamesa-Steina i empirycznej estymacji Bayesa ze szczególnym zastosowaniem do przewidywania średnich mrugnięć dla baseballistów. Wgląd, jaki mogę dać na ten temat, jest wynikiem Jamesa i Steina, którzy ze zdziwieniem świata statystycznego pokazali, że dla wielowymiarowego rozkładu normalnego w trzech lub więcej wymiarach MLE, który jest wektorem średnich współrzędnych, jest niedopuszczalny.
Dowód został osiągnięty poprzez wykazanie, że estymator, który zmniejsza średni wektor w kierunku początku, jest jednakowo lepiej oparty na średnim błędzie kwadratowym jako funkcji straty. Efron i Morris wykazali, że w problemie regresji wielowymiarowej przy użyciu empirycznego podejścia Bayesa estymatory, do których dochodzą, to estymatory skurczu typu Jamesa-Steina. Korzystają z tej metodologii, aby przewidzieć średnie wyniki mrugnięcia w ostatnim sezonie dla baseballistów z głównych lig w oparciu o ich wyniki z wczesnego sezonu. Szacunek przenosi średnią indywidualną każdego gracza do ogólnej średniej wszystkich graczy.
Myślę, że to wyjaśnia, jak takie estymatory mogą powstawać w wielowymiarowych modelach liniowych. Nie łączy go całkowicie z żadnym konkretnym modelem efektów mieszanych, ale może być dobrą przewagą w tym kierunku.
Niektóre referencje :
źródło