Bayesian analysis of random-effect models in the analysis of variance
方差分析中随机效应模型的贝叶斯分析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：摘要明确设定误差服从一阶自回归序列，并研究序列相关参数对推断的影响。
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
方差分析中随机效应模型的贝叶斯分析
- 研究问题
- 在误差具有一阶自回归结构的单因素随机效应模型中，自相关参数的设定如何影响方差分量推断，如何纳入该参数的不确定性？
- 方法与思路
- 作者对带一阶自回归误差的随机效应模型作贝叶斯分析，先考察给定自相关参数时的推断，再考虑其后验分布及相关抽样理论性质。
- 材料陈述的贡献
- 摘要称，方差分量推断对自相关设定敏感；所举生成数据案例中，误设独立性导致经典方差估计为负、相应后验众数为零。
- 阅读关注点
- 应核对误差序列的组内定义、初始条件与先验选择，以及对自相关参数联合推断或边际化后，方差分量的不确定性如何改变。
- 阅读边界
- 所据为版本未注明的OpenAlex索引摘要；完整先验与模型条件未说明，单一生成案例不能外推，考虑参数后验也不等于消除全部不确定性。
原文摘要
Bayesian methods are utilized to analyse a one-way random effect model yij = μ+ai+eij in which the errors eij are assumed to follow a first-order autoregressive series eij = ρei(j-1)+εij. For given value of ρ, the model can be reduced to that considered in our earlier paper (1965). It is shown that inferences about the variances σα2 = var(ai), and σ2 = var (εij) can be very sensitive to changes in the value of ρ assumed. In particular, in a set of data generated from a population with ρ = − 0·5, σ = 1·5 and σα2 = 1, we find that if the independence assumption ρ = 0 were made, the classical unbiased estimator of σα2 would be negative and the posterior distribution of σα2 would have its modal value at the origin. Uncertainty in the inferences about (σ2, σα2) is then removed by considering the posterior distribution of ρ. Some sampling theory considerations of the behaviour of certain quantities in the posterior distributions of (σ2, σα2, ρ) are also discussed.