Optimal Bayesian Design of Experiments for the One-Way Random Effects Model
单向随机效应模型的最优贝叶斯实验设计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：摘要研究随机效应实验设计，未明确涉及面板数据，不能仅凭随机效应术语归入面板方向。
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…
关注这篇论文的作者
单向随机效应模型的最优贝叶斯实验设计
- 研究问题
- 单向随机效应模型的方差分量未知时，如何选择实验设计，并判断平衡测量配置在何种先验与准则下最优？
- 方法与思路
- 作者以方差分量的 Fisher 信息比较设计，将未知参数纳入贝叶斯设计框架，并分析不同先验类别及最优性准则。
- 材料陈述的贡献
- 摘要称，平衡设计在多种准则和广泛先验类别下最优；先验变模糊未必增加支持点，部分准则可能产生不直观的设计。
- 阅读关注点
- 应核对设计预算、可选测量配置、先验限制及最优性准则，并检查平衡设计结论与对 D 最优性评价的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列明先验类别与设计约束，不能断言平衡设计对所有目标均最优。
原文摘要
Since variance components are nonlinear parameters in a linear model, classical optimal designs for estimating variance components in the one-way random effects model depend on the values of the parameters. Optimal Bayesian designs are derived for the more realistic situation of unknown parameters, using the Fisher information of the variance components as a basis for comparing the designs. Balanced designs, in which the same number of measurements are taken on each unit, are shown to be optimal under various criteria for wide classes of priors in the one-way random effects model. In contrast to other nonlinear design problems, the number of support points for the design does not necessarily increase with increasingly vague prior information. Some design criteria that work well for other nonlinear design problems, such as D-optimality, do not give intuitively appealing designs for estimating variance components.