是否变动：用于测试方差分量的灵活经验贝叶斯因子

随机效应是捕捉数据中结构性异质性（如空间依赖性、个体差异或时间依赖性）的金标准。然而，对其存在进行检测具有挑战性，因为这涉及到受非负约束的方差分量——即边界问题。本文提出了用于测试随机效应的灵活经验贝叶斯因子 (EBF)。与其测试方差分量是否为零，不如测试等价假设，即所有随机效应是否为零。关键的是，它避免了基于外部知识手动指定先验分布的情况下，随机效应的分布成为模型较低层的一部分并从数据中估计——从而产生“经验”贝叶斯因子。EBF 使用 Savage-Dickey 密度比，允许仅通过完整模型拟合即可测试所有随机效应。这消除了对不同随机效应组合的多个模型拟合的需求。对合成数据的仿真评估了该准则的总体行为。为展示其灵活性，EBF 被应用于广义线性交叉混合模型、空间随机效应模型、动态结构方程模型、随机截距交叉时序面板模型和非线性混合效应模型。