Answers:
图片有时值一千个字,所以让我与您分享一个。在下面可以看到一个插图,该插图来自Bradley Efron(1977)的论文Stein的统计悖论。如您所见,Stein的估算器所做的是将每个值都移到更接近于平均值。它使大于共同平均值的值较小,而小于共同平均值的值较大。收缩是指将值向平均值移动,或在某些情况下向零移动(例如正则回归),这会将参数向零收缩。
当然,这不仅与收缩本身有关,而且斯坦(1956)以及詹姆斯和斯坦(1961)的证明是,斯坦因的估计量在总平方误差方面占最大似然估计值,
其中,是Stein的估计量,,其中这两个估计量都是在样本上估计的。在原始论文和您引用的论文附录中提供了证明。用简单的英语来说,他们显示的是,如果您同时做出猜测,那么就总平方误差而言,与坚持最初的猜测相比,缩小它们会更好。
最后,斯坦因的估计器当然不是给出收缩效果的唯一估计器。对于其他示例,您可以查看此博客条目,或查阅Gelman等人引用的贝叶斯数据分析书。您还可以检查有关正则回归的线程,例如,收缩方法可以解决什么问题?,或何时使用正则化方法进行回归?,用于此效果的其他实际应用。