测量系统分析模型的方差成分的严格正估计<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />劳拉·兰开斯特（Laura Lancaster（劳拉@JMP ），博士，SAS JMP首席研究统计学家开发人员
克里斯·高特瓦尔特（Chris Gotwalt），JMP SAS统计研发总监
通常使用以下三种技术之一来估算测量系统分析（MSA）模型的方差成分：平均值和范围法，预期均方根（EMS）和受限最大似然（REML）。这些方法中的每一个经常产生负方差分量估计。因为在MSA研究中负方差分量估计没有意义，所以将这些估计设置为零。使用标准的非信息先验（例如Jeffreys先验或平坦先验）进行后验均值估计会产生严格的正方差分量，但均具有不可接受的高均方误差。我们将Portnoy和Sahai在1970年代开发的另一种非信息性先验方法推广到不平衡数据，并将该方法应用于MSA研究。我们将解释此方法并显示仿真实验的结果，这些结果将比较此方法估算具有REML的典型MSA模型的方差分量的能力。
质量与可靠性
