超先验与收缩

超先验是分层模型顶层参数的先验，它们控制着组估计向总体均值收缩的强度。

Definition

超先验是关于超参数的先验分布，这些超参数控制着组级参数的分布；它与数据共同决定了组级方差的后验，从而决定了应用于每个组的收缩程度。

Scope

本主题涵盖了分层均值（尤其是方差分量）的先验设定、组级方差如何控制收缩、不良方差先验导致退化后验的风险，以及推荐的弱信息先验选择，如半柯西（half-Cauchy）和半正态（half-normal）先验。

Core questions

• 为什么组级方差控制着收缩量？
• 当方差分量使用不适当的先验时会发生什么问题？
• 对于尺度参数，推荐哪些弱信息超先验？
• 收缩与斯坦（Stein）和经验贝叶斯（empirical Bayes）的结果有何关系？

Key concepts

• 超先验
• 方差分量
• 半柯西先验
• 逆伽马先验
• 收缩
• 詹姆斯-斯坦估计量
• 退化后验

Key theories

方差分量先验

当组数较少时，组级标准差的超先验对推断有强烈影响；折叠非中心（folded-noncentral）和半柯西（half-Cauchy）先验避免了传统逆伽马（inverse-gamma）选择的病态问题。

收缩作为风险降低

将许多相关估计值向共同中心收缩可以降低总均方误差，这与詹姆斯-斯坦（James-Stein）估计量优于样本均值的原理相同。

Clinical relevance

在荟萃分析和多中心研究中，组的数量通常较少且方差难以估计，合理的超先验可以防止对组间变异的估计过于自信或不稳定。

History

收缩估计源于斯坦（Stein）1956年的结果以及埃弗隆（Efron）和莫里斯（Morris）在20世纪70年代的经验贝叶斯（empirical Bayes）工作。格尔曼（Gelman）2006年对方差参数先验的分析阐明了超先验选择如何在全贝叶斯分层模型中影响收缩。

Debates

组级方差应选择哪种先验？

传统的逆伽马（inverse-gamma）先验在接近零时可能会无意中提供信息，因此关于半柯西（half-Cauchy）、半正态（half-normal）和其他弱信息尺度先验的讨论仍在进行中。

Key figures

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

Seminal works

• gelman2006
• efron1975

Frequently asked questions

为什么不直接对组级方差使用平坦先验？

当组数较少时，平坦先验或默认的逆伽马（inverse-gamma）先验可能会在接近零处赋予过高的权重，或者未能形成适当的先验，从而产生塌缩或不稳定的后验；半柯西（half-Cauchy）等弱信息尺度先验表现更可靠。