Ich bin von der Idee der James-Stein-Schrumpfung angetan (dh dass eine nichtlineare Funktion einer einzelnen Beobachtung eines Vektors möglicherweise unabhängiger Normalen ein besserer Schätzer für die Mittelwerte der Zufallsvariablen sein kann, wobei "besser" durch Quadratfehler gemessen wird ). Ich habe es jedoch noch nie in der angewandten Arbeit gesehen. Klar bin ich nicht gut genug gelesen. Gibt es klassische Beispiele, bei denen James-Stein die Schätzung in einem angewandten Umfeld verbessert hat? Wenn nicht, ist diese Art von Schrumpfung nur eine intellektuelle Neugier?
quelle
Die Gratregression ist eine Form der Schrumpfung. Siehe Draper & Van Nostrand (1979) .
Die Schrumpfung hat sich auch bei der Schätzung saisonaler Faktoren für Zeitreihen als nützlich erwiesen. Siehe Miller und Williams (IJF, 2003) .
quelle
Wie von anderen erwähnt, wird James-Stein nicht oft direkt verwendet, sondern ist das erste Papier zum Thema Schrumpfung, das seinerseits praktisch überall in der einfachen und mehrfachen Regression verwendet wird. Der Zusammenhang zwischen James-Stein und der modernen Schätzung wird in diesem Aufsatz von E.Candes ausführlich erläutert. Ich gehe auf Ihre Frage zurück und denke, James-Stein ist eine intellektuelle Nicht-Neugierde, in dem Sinne, dass sie zwar intellektuell war, die Statistik jedoch unglaublich störte, und niemand konnte sie später als Neugierde abtun. Alle hielten empirische Mittel für einen zulässigen Schätzer, und Stein bewies, dass sie mit einem Gegenbeispiel falsch lagen. Der Rest ist Geschichte.
quelle
Siehe auch Jennrich, RJ, Oman, SD "Inwiefern hilft die Stein-Schätzung bei der multiplen linearen Regression?" Technometrics , 28 , 113-121, 1986.
quelle
Korbinian Strimmer verwendet den James-Stein-Schätzer, um auf Gennetzwerke zu schließen . Ich habe seine R-Pakete ein paar Mal verwendet und es scheint eine sehr gute und schnelle Antwort zu geben.
quelle