<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />勞拉·蘭卡斯特（勞拉L@JMP ), 博士, JMP 首席研究統計學家開發人員, SAS
Chris Gotwalt 博士、JMP SAS 統計研究與開發總監
測量系統分析 (MSA) 模型的方差分量通常使用以下三種技術之一進行估計：平均值和極差法、預期均方 (EMS) 和限制最大似然 (REML)。 這些方法中的每一種通常都會產生負方差分量估計。 由於負方差分量估計值在 MSA 研究中沒有意義，因此這些估計值設置為零。 使用標準非信息先驗（例如 Jeffreys 先驗或平坦先驗）的後驗均值估計會生成嚴格的正方差分量，但均方誤差高得令人無法接受。 我們將 Portnoy 和 Sahai 在 20 世紀 70 年代開發的另一種非信息先驗方法推廣到不平衡數據，並將該方法應用於 MSA 研究。 我們將解釋該方法並展示模擬實驗結果，以比較該方法與 REML 估計典型 MSA 模型方差分量的能力。
