Some empirical Bayes estimators allowing for varying error variances
允许误差方差变化的经验贝叶斯估计量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：摘要研究重复实验中的通用经验贝叶斯估计，未明确构成面板模型或其他所列细分问题。
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…
允许误差方差变化的经验贝叶斯估计量
- 研究问题
- 在参数随重复实验随机变化、误差方差未知且可跨实验变化时，如何利用历史实验的信息改进当前参数估计？
- 方法与思路
- 作者将固定误差方差下的回归经验贝叶斯方法扩展到未知且变化的方差，并为二元正态和方差分析模型构造类似估计量。
- 材料陈述的贡献
- 摘要称，文章扩展了适用模型与方差设定，Monte Carlo 结果显示在多数考察情形中，所提估计量的均方误差低于经典估计量。
- 阅读关注点
- 应核对跨实验参数与方差的随机机制、历史信息的使用条件，以及模拟中哪些情形出现改进、哪些情形未显示优势。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法识别模拟范围和改进幅度；多数情形均方误差较小不等于一致支配经典估计量。
原文摘要
For certain repetitive experiments where the parameters of interest vary randomly from experiment to experiment, improved estimators for the present values of the parameters can be obtained using the information from estimates in previous experiments. Martz & Krutchkoff (1969) provided empirical Bayes estimators for a multiple regression model with fixed error variance. Their resulte are extended to include the case in which the error variance is unknown and may vary from one experiment to the next. Similar empirical Bayes estimators are also provided for bivariate normal and analysis of variance models. Monte Carlo results are given to show that, in most cases, these estimators have smaller mean squared errors than the corresponding classical estimators.