小样本扫描电镜

通过模拟研究，我们在不同的样本量下研究了两步建模、因子得分回归、最大似然估计和贝叶斯估计在默认和信息先验下的性能。我们得出结论，对于小样本，所有频率方法都显示出崩溃的迹象(在不收敛、负方差、极端参数估计方面)，就像默认先验的贝叶斯条件(在模式切换行为方面)一样。当不能增加样本量时，我们建议使用具有信息先验的贝叶斯估计。然而，结果应该谨慎解释，因为相对较小的样本，先验对后验的影响很大。当研究人员不喜欢包含先验信息时，建议使用两步建模或因子评分回归，因为它们可以在没有负方差的情况下获得更高的收敛率，跨重复的结果更稳定，并且与小样本的最大似然估计相比，参数估计更少极端。