Saya tertarik dengan gagasan penyusutan James-Stein (yaitu bahwa fungsi nonlinier dari pengamatan tunggal terhadap suatu vektor yang normalnya independen dapat menjadi penaksir yang lebih baik dari rata-rata variabel acak, di mana 'lebih baik' diukur dengan kuadrat kesalahan ). Namun, saya belum pernah melihatnya dalam pekerjaan terapan. Jelas saya tidak cukup membaca. Apakah ada contoh klasik di mana James-Stein telah meningkatkan estimasi dalam pengaturan yang diterapkan? Jika tidak, apakah penyusutan semacam ini hanya merupakan keingintahuan intelektual?
estimation
error
shrinkage
application
steins-phenomenon
shabbychef
sumber
sumber
Regresi punggungan adalah bentuk penyusutan. Lihat Draper & Van Nostrand (1979) .
Penyusutan juga terbukti bermanfaat dalam memperkirakan faktor musiman untuk deret waktu. Lihat Miller dan Williams (IJF, 2003) .
sumber
Seperti yang disebutkan oleh orang lain, James-Stein tidak sering digunakan secara langsung, tetapi benar-benar kertas pertama tentang susut, yang pada gilirannya digunakan cukup banyak di mana-mana dalam regresi tunggal dan berganda. Tautan antara James-Stein dan estimasi modern dijelaskan secara rinci dalam makalah ini oleh E.Candes. Kembali ke pertanyaan Anda, saya pikir James-Stein adalah intelektual non-keingintahuan, dalam arti bahwa itu pasti intelektual, tetapi memiliki efek yang sangat mengganggu Statistik, dan tidak ada yang bisa menganggapnya sebagai keingintahuan setelah itu. Semua orang berpikir bahwa cara empiris adalah penaksir yang dapat diterima, dan Stein membuktikannya salah dengan contoh tandingan. Sisanya adalah sejarah.
sumber
Lihat juga Jennrich, RJ, Oman, SD "Berapa estimasi Stein membantu dalam regresi linier berganda?" Technometrics , 28 , 113-121, 1986.
sumber
Korbinian Strimmer menggunakan penaksir James-Stein untuk menyimpulkan jaringan gen . Saya telah menggunakan paket R-nya beberapa kali dan sepertinya memberikan jawaban yang sangat bagus dan cepat.
sumber