稳健混合先验贝叶斯动态借用方法中稳健化成分的先验权重与方差之间的相互作用研究

稳健混合先验（RMP）是一种流行的贝叶斯动态借用方法，它将信息性历史分布与一个信息量较少的成分（称为稳健化成分）结合在一个混合先验中，以提高混合对照随机试验的效率。目前的实践通常仅侧重于选择控制这两个成分相对影响的先验权重，而往往将稳健化成分的方差固定为单个观测的方差。在本研究中，我们证明了RMP的性能关键取决于稳健化成分的权重和方差的联合选择。特别地，我们表明，广泛的权重-方差对可以产生几乎相同的后验推断（尤其是在参数空间的特定区域），并且可以采用大方差的稳健成分而不会引发所谓的林德利悖论。我们进一步表明，使用大方差的稳健化成分可以改善渐近I类错误控制，并增强RMP对稳健化成分位置参数设定的稳健性。最后，我们利用这些理论结果提出了一种新颖且实用的超参数启发式确定流程。