Siêu Tiên Nghiệm và Co Rút

Siêu tiên nghiệm là các phân bố tiên nghiệm được đặt trên các tham số cấp cao nhất của một mô hình phân cấp, và chúng kiểm soát mức độ co rút của các ước tính nhóm về phía giá trị trung bình của quần thể.

Definition

Siêu tiên nghiệm là một phân bố tiên nghiệm trên các siêu tham số chi phối phân bố của các tham số cấp nhóm; cùng với dữ liệu, nó xác định phân bố hậu nghiệm cho phương sai cấp nhóm và do đó là mức độ co rút được áp dụng cho mỗi nhóm.

Scope

Chủ đề này bao gồm việc xác định các phân bố tiên nghiệm cho các giá trị trung bình phân cấp và đặc biệt là các thành phần phương sai, cách phương sai cấp nhóm chi phối sự co rút, nguy cơ hậu nghiệm suy biến từ các phân bố tiên nghiệm phương sai kém, và các lựa chọn thông tin yếu được khuyến nghị như phân bố nửa Cauchy và nửa chuẩn.

Core questions

• Tại sao phương sai cấp nhóm kiểm soát mức độ co rút?
• Điều gì sẽ xảy ra khi một phân bố tiên nghiệm không phù hợp được sử dụng cho một thành phần phương sai?
• Những siêu tiên nghiệm thông tin yếu nào được khuyến nghị cho các tham số tỷ lệ?
• Sự co rút liên quan đến các kết quả của Stein và Bayes thực nghiệm như thế nào?

Key concepts

• siêu tiên nghiệm
• thành phần phương sai
• phân bố tiên nghiệm nửa Cauchy
• phân bố tiên nghiệm nghịch đảo gamma
• co rút
• ước lượng James-Stein
• hậu nghiệm suy biến

Key theories

Các phân bố tiên nghiệm thành phần phương sai

Siêu tiên nghiệm trên độ lệch chuẩn cấp nhóm ảnh hưởng mạnh mẽ đến suy luận khi số lượng nhóm ít; các phân bố tiên nghiệm phi trung tâm gấp khúc và nửa Cauchy tránh được các bệnh lý của các lựa chọn nghịch đảo gamma thông thường.

Co rút như giảm thiểu rủi ro

Việc co rút nhiều ước tính liên quan về một trung tâm chung làm giảm tổng sai số bình phương trung bình, cùng nguyên tắc khiến ước lượng James-Stein vượt trội hơn giá trị trung bình mẫu.

Clinical relevance

Các siêu tiên nghiệm hợp lý ngăn chặn các ước tính quá tự tin hoặc không ổn định về sự biến thiên giữa các nhóm trong phân tích tổng hợp và các nghiên cứu đa địa điểm, nơi số lượng nhóm thường nhỏ và phương sai khó ước tính.

History

Ước tính co rút phát triển từ kết quả của Stein năm 1956 và công trình Bayes thực nghiệm của Efron và Morris vào những năm 1970. Phân tích của Gelman năm 2006 về các phân bố tiên nghiệm tham số phương sai đã làm rõ cách lựa chọn siêu tiên nghiệm định hình sự co rút trong các mô hình phân cấp Bayes hoàn chỉnh.

Debates

Phân bố tiên nghiệm nào cho phương sai cấp nhóm?

Các phân bố tiên nghiệm nghịch đảo gamma thông thường có thể vô tình mang tính thông tin gần bằng 0, vì vậy có những cuộc thảo luận đang diễn ra về phân bố tiên nghiệm nửa Cauchy, nửa chuẩn và các phân bố tiên nghiệm tỷ lệ thông tin yếu khác.

Key figures

• Andrew Gelman
• Bradley Efron
• Carl Morris
• Charles Stein

Seminal works

• gelman2006
• efron1975

Frequently asked questions

Tại sao không chỉ sử dụng phân bố tiên nghiệm phẳng cho phương sai cấp nhóm?

Một phân bố tiên nghiệm phẳng hoặc nghịch đảo gamma mặc định có thể đặt trọng số quá mức gần bằng 0 hoặc không phù hợp, tạo ra các phân bố hậu nghiệm bị sụp đổ hoặc không ổn định khi số lượng nhóm ít; các phân bố tiên nghiệm tỷ lệ thông tin yếu như nửa Cauchy hoạt động đáng tin cậy hơn.