测量系统分析模型的方差分量的严格正估计Laura Lancaster ( 劳拉L@JMP )，博士，JMP 首席研究统计开发人员，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) 和限制最大似然法 (REML)。这些方法中的每一种通常都会产生负方差分量估计值。由于负方差分量估计值在 MSA 研究中没有意义，因此这些估计值被设置为零。使用标准非信息先验（例如 Jeffreys 先验或平坦先验）的后验均值估计会产生严格正的方差分量，但均方误差高得令人无法接受。我们将 Portnoy 和 Sahai 在 1970 年代开发的一种替代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。我们将解释这种方法并展示模拟实验的结果，这些实验比较了这种方法使用 REML 估计典型 MSA 模型的方差分量的能力。
