一种按估计标准误缩放的信息化默认先验提议
统计方法学
2020-12-01 v1
摘要
如果我们对某个感兴趣的参数有一个无偏估计，那么其绝对值对于该参数绝对值而言是正偏的。当信噪比（SNR）较小时此偏差很大，而当我们以统计显著性为条件时它变得更大；即赢者诅咒。这是正则化的一个频率学动机。为确定合适的收缩量，我们提议从大量类似研究的集合或语料库中估计 SNR 的分布，并将其用作先验分布。语料库范围越广，先验信息越少，但更广的范围不一定导致更弥散的先验。我们表明，若要求后验推断在数据线性变换下等变，则先验的估计得以简化。我们用来自心理学的 86 个重复研究以及 178 个三期临床试验的语料库演示了我们的方法。我们的建议并非意在替代基于特定问题完整信息的先验；相反，它代表一种族系层面的选择，相较于当前的默认均匀先验应产生更好的长期性质，后者已导致效应量的系统性高估以及当这些膨胀估计在后续研究中未出现时的重复危机。
引用
@article{arxiv.2011.15037,
title = {A proposal for informative default priors scaled by the standard error of estimates},
author = {Erik van Zwet and Andrew Gelman},
journal= {arXiv preprint arXiv:2011.15037},
year = {2020}
}
备注
20 pages, 4 figures