Some Bayesian and Non-Bayesian Procedures for the Analysis of Comparative Experiments and for Small-Area Estimation: Computational Aspects, Frequentist Properties, and Relationships
比较实验与小区域估计中的贝叶斯及非贝叶斯程序：计算、频率学性质与联系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：摘要明确包含实验处理对比的估计与区间预测，对应因果效应分析方向。
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…
比较实验与小区域估计中的贝叶斯及非贝叶斯程序：计算、频率学性质与联系
- 研究问题
- 如何在可能不平衡的混合线性模型中统一实验处理对比与小区域均值预测，并比较贝叶斯和传统程序的计算及频率学表现？
- 方法与思路
- 作者将两类问题写为固定与随机效应线性组合的实现值预测，提出贝叶斯点预测和区间预测，并结合两个实例与 Monte Carlo 比较。
- 材料陈述的贡献
- 摘要称，某些非信息先验下，贝叶斯预测程序的频率学性质与传统方法相比表现有利，且在部分情形给出不同、作者认为更合理的答案。
- 阅读关注点
- 应核对两部分混合模型的结构、先验与计算要求，以及模拟比较采用的误差和覆盖指标、传统方法缺陷出现的具体情形。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；有利比较限定于所考察先验和情形，摘要未给出数值，不能推断贝叶斯程序普遍占优。
原文摘要
The estimation of a treatment contrast from experimental data and the estimation of a small-area mean are special cases of the prediction of the realization of a linear combination of fixed and random effects in a possibly unbalanced two-part mixed linear model. In this article a Bayesian approach to point and interval prediction is presented and its computational requirements are examined. Differences between the Bayesian approach and the traditional (classical) approach are discussed in general terms and, in addition, in terms of two examples taken from the literature: (1) the comparison of drug formulations in a bioavailability trial (Westlake) and (2) the estimation of corn-crop areas using satellite data (Battese, Harter, and Fuller). Some deficiencies in the classical approach are pointed out, and the Bayesian approach is considered from a frequentist perspective. It is shown, via a Monte Carlo study, that, for certain (noninformative) choices of the prior distribution, the frequentist properties of the Bayesian prediction procedures compare favorably with those of their classical counterparts and that, in certain situations, they produce different and more sensible answers.