<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />劳拉·兰卡斯特（劳拉L@JMP ), 博士, JMP 首席研究统计学家开发人员, SAS
Chris Gotwalt 博士、JMP SAS 统计研究与开发总监
测量系统分析 (MSA) 模型的方差分量通常使用以下三种技术之一进行估计：平均值和极差法、预期均方 (EMS) 和限制最大似然 (REML)。 这些方法中的每一种通常都会产生负方差分量估计。 由于负方差分量估计值在 MSA 研究中没有意义，因此这些估计值设置为零。 使用标准非信息先验（例如 Jeffreys 先验或平坦先验）的后验均值估计会生成严格的正方差分量，但均方误差高得令人无法接受。 我们将 Portnoy 和 Sahai 在 20 世纪 70 年代开发的另一种非信息先验方法推广到不平衡数据，并将该方法应用于 MSA 研究。 我们将解释该方法并展示模拟实验结果，以比较该方法与 REML 估计典型 MSA 模型方差分量的能力。
