Laura Lancaster ( LauraL@JMP ), PhD, JMP Principal Research Statistician Developer, SAS
Chris Gotwalt, PhD, JMP-Direktor für statistische Forschung und Entwicklung, SAS
Varianzkomponenten für Modelle der Messsystemanalyse (MSA) werden typischerweise mit einer von drei Techniken geschätzt: der Durchschnitts- und Spannweitenmethode, den erwarteten Mittelwerten der Quadrate (EMS) und der eingeschränkten maximalen Wahrscheinlichkeit (REML). Jede dieser Methoden führt häufig zu negativen Schätzungen der Varianzkomponenten. Da Schätzungen negativer Varianzkomponenten in MSA-Studien keinen Sinn ergeben, werden diese Schätzungen auf Null gesetzt. Posterior-Mittelwertschätzungen unter Verwendung standardmäßiger nichtinformativer Prioren wie Jeffreys Prior oder einer flachen Priore erzeugen streng positive Varianzkomponenten, weisen aber inakzeptabel hohe mittlere quadrierte Fehler auf. Wir haben eine alternative nichtinformative Priorenmethode, die in den 1970er Jahren von Portnoy und Sahai entwickelt wurde, auf unausgeglichene Daten verallgemeinert und diese Methode auf MSA-Studien angewendet. Wir werden diese Methode erläutern und Ergebnisse von Simulationsexperimenten zeigen, die die Fähigkeit dieser Methode zur Schätzung von Varianzkomponenten für typische MSA-Modelle mit REML vergleichen.
