<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />로라 랭커스터( 로라L@JMP ), 박사, JMP 수석 연구 통계학자, SAS
Chris Gotwalt, PhD, SAS 통계 연구 및 개발 부문 JMP 이사
측정 시스템 분석(MSA) 모델의 분산 성분은 일반적으로 평균 및 범위 방법, EMS(기대 평균 제곱) 및 REML(제한된 최대 우도)의 세 가지 기술 중 하나를 사용하여 추정됩니다. 이러한 각 방법은 종종 음의 분산 성분 추정치를 생성합니다. MSA 연구에서는 음의 분산 성분 추정이 의미가 없기 때문에 이러한 추정은 0으로 설정됩니다. Jeffreys 사전 또는 플랫 사전과 같은 정보가 없는 표준 사전을 사용한 사후 평균 추정은 엄격하게 양의 분산 구성요소를 생성하지만 허용할 수 없을 정도로 높은 평균 제곱 오류를 갖습니다. 우리는 불균형 데이터에 대해 1970년대에 Portnoy와 Sahai가 개발한 대체 비정보 사전 방법을 일반화하고 이 방법을 MSA 연구에 적용했습니다. 우리는 이 방법을 설명하고 REML을 사용하여 일반적인 MSA 모델에 대한 분산 구성 요소를 추정하는 이 방법의 능력을 비교하는 시뮬레이션 실험 결과를 보여줄 것입니다.
