Empirical Bayes estimates for a two-way cross-classified model
双向交叉分类模型的经验贝叶斯估计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：摘要明确研究交叉分类设计，未说明个体时间面板结构，故不据双向效应措辞归入面板数据。
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…
双向交叉分类模型的经验贝叶斯估计
- 研究问题
- 在不平衡双向加性固定效应模型中，如何通过经验贝叶斯方法降低单元均值估计的风险，并处理缺失单元观测？
- 方法与思路
- 作者分别利用处理效应和区组效应内部的可交换性建立层级模型，通过最小化无偏风险估计选择数据依赖的超参数。
- 材料陈述的贡献
- 摘要称方法在适当条件下渐近最优，给出可扩展算法并处理缺失单元；在不平衡情形下，常用经验 BLUP 表现次优。
- 阅读关注点
- 应核对风险函数与渐近条件、不平衡程度和缺失单元的处理方式，并查看与经验 BLUP 比较所依赖的具体设定。
- 阅读边界
- 索引摘要版本未注明，未列出最优性条件或缺失机制；不能仅凭双向固定效应表述将结论移植到一般面板模型。
原文摘要
We develop an empirical Bayes procedure for estimating the cell means in an unbalanced, two-way additive model with fixed effects. We employ a hierarchical model, which reflects exchangeability of the effects within treatment and within block but not necessarily between them, as suggested before by Lindley and Smith [J. R. Stat. Soc., B 34 (1972) 1–41]. The hyperparameters of this hierarchical model, instead of considered fixed, are to be substituted with data-dependent values in such a way that the point risk of the empirical Bayes estimator is small. Our method chooses the hyperparameters by minimizing an unbiased risk estimate and is shown to be asymptotically optimal for the estimation problem defined above, under suitable conditions. The usual empirical Best Linear Unbiased Predictor (BLUP) is shown to be substantially different from the proposed method in the unbalanced case and, therefore, performs suboptimally. Our estimator is implemented through a computationally tractable algorithm that is scalable to work under large designs. The case of missing cell observations is treated as well.