具有不等方差的James-Stein估计量


11

我发现的James-Stein估计量的每条陈述均假设所估计的随机变量具有相同(和单位)的方差。

但是所有这些示例还提到,可以使用JS估计器来估计彼此无关的数量。在维基百科的例子是台湾光,茶叶消费,并在蒙大拿州生猪重量的速度。但是,假设您对这三个量的测量将具有不同的“真实”方差。这会带来问题吗?

这与一个我不理解的,与这个问题有关的更大的概念问题联系在一起James-Stein估计量:埃夫隆和莫里斯是如何计算棒球范例中的收缩因子的?σ2我们计算收缩率如下:c

c=1(k3)σ2(yy¯)2

直觉,我认为项实际上是-对于每个估计的数量而言都是不同的。但是该问题的讨论仅涉及使用合并方差...σ2σi2

如果有人能消除这种混乱,我将不胜感激!


3
如果方差为我们可以乘以来回到James-Stein问题。如果是未知的,但是问题中的每个“观察”都是基于观测值计算的样本均值,我们可以用来估计,并希望如果我们预先乘以... ...也会得到James-Stein的情况。代替。D=diag(σ12,,σn2)D1/2DmiDD^D^1/2

2
@guy:这是一个明智的建议(+1),但这将导致所有变量的收缩因子相同,而一个人希望根据变量的方差/不确定性以不同的方式收缩变量。查看我刚刚发布的答案。
变形虫说恢复莫妮卡

1
@amoeba当然;我并不是说我的估算器是实用的,只是说明了人们为什么说OP在他/她的第二段中提到的事情。
2014年

Answers:


6

埃弗隆和莫里斯(Efron&Morris)在1970年代撰写的有关经验贝叶斯背景下詹姆斯·斯坦因估计量的经典系列论文中明确回答了这个问题。我主要是指:

  1. 埃夫隆和莫里斯(Efron and Morris),1973年,斯坦因的估计规则及其竞争者-经验贝叶斯方法

  2. 埃夫隆(Efron)和莫里斯(Morris),1975年,斯坦因估计量的数据分析及其推广

  3. 埃夫隆和莫里斯(Efron and Morris),1977年,斯坦因统计学的悖论

1977年的论文是非技术性的博览会,必须阅读。他们在那里介绍了棒球击球的例子(在您链接的线程中进行了讨论);在这个例子中,观察变量对于所有变量确实是相等的,并且收缩因子是恒定的。c

但是,他们继续举另一个例子,它正在估计萨尔瓦多许多城市的弓形虫病发病率。在每个城市中,对不同人数的人口进行了调查,因此可以将单个观察值(每个城市中的弓形虫病率)视为具有不同的方差(被调查的人口数越低,方差越大)。直觉当然是,不需要像具有高方差(高不确定性)的数据点那样强烈收缩具有低方差(低不确定性)的数据点。下图显示了他们的分析结果,在此图中确实可以看出这种情况正在发生:

在此处输入图片说明

相同的数据和分析也以更为技术性的1975年论文的形式呈现,但更为优雅(尽管没有显示出个体差异),请参阅第3节:

在此处输入图片说明

在这里,他们提出了一种简化的经验贝叶斯方法,如下所述。令其中是未知的。在所有相同的情况下,标准的经验贝叶斯处理方法是将估计为,并将的后验均值计算为没什么除了James-Stein估计量。

Xi|θiN(θi,Di)θiN(0,A)
ADi=11/(1+A)(k2)/Xj2θi
θ^i=(111+A)Xi=(1k2Xj2)Xi,

如果现在,则贝叶斯更新规则为,我们可以使用相同的经验贝叶斯技巧来估计,即使在这种情况下没有封闭式(请参见论文)。但是,他们注意到Di1

θ^i=(1DiDi+A)Xi
AA^

...当所有都相等时,该规则不会减少到斯坦因,而是使用[1973年论文]中推导的这个估计量的一个小变型,它确实会减少到斯坦因。变体规则为每个城市估计一个不同的值。在这种情况下,规则之间的差异很小,但如果较小,则可能很重要。DjA^ik

1973年论文中的相关章节是第8节,但阅读起来有些困难。有趣的是,他们在上面的评论中对@guy的建议有明确的评论:

在这种情况下,推广James-Stein规则的一种非常简单的方法是定义,这样,对转换后的数据应用[原始James-Stein规则],然后转换回原始坐标。生成的规则通过 估算这是没有吸引力的,因为每个都以相同的比例缩小到原点。x~i=Di1/2xi,θ~i=Di1/2θix~iN(θ~i,1)θi θ=1-ķ-2

θ^i=(1k2[Xj2/Dj])Xi.
XXi

然后他们继续描述估计的首选过程,我必须承认我还没有完全阅读(有点涉及)。如果您对这些细节感兴趣,建议您去那里看看。A^i

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.