REML法和Bayesian法对小样本不平衡单因素随机效应模型方差成分估计的模拟比较分析

摘要：

目的 比较限制性极大似然估计(REML)法和贝叶斯法(Bayesian)对小样本不平衡单因素随机效应模型方差成分估计的偏差和精密度,同时考虑在样本量的大小、单位的数量和单位内相关系数(ICC)的大小不同的情况下对方差成分估计的精确程度的影响.方法 通过计算机模拟7组不同设计的数据集,用SAS软件MIXED模块进行方差成分估计.结果 不同的设计中,REML法估计比Bayesian法估计更加接近真值,但Bayesian法对组间方差的区间估计更加精密.对于两种方法 而言,样本和单位数量的增加,估计结果 更加准确.组内方差的估计,比组间方差的估计更准确和精密.结论 对小样本不平衡结构数据,当ICC为小或中等时,REML估计比Bayesian估计的偏差和均方误差要小,推荐使用.但是Bayesian法的区间估计比REML法的区间估计更加精密.

关键词：不平衡单因素随机效应模型、方差成分、限制性极大似然、贝叶斯

所属期刊栏目：26

分类号：O21;TN

资助基金：上海市重点学科建设项目资助B118

在线出版日期：2009-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：35-37,40