面包屑。点击这里导航到相应的页面。
摘要
通过模拟研究,我们在不同的样本容量下研究了两步建模、因子得分回归、最大似然估计和带有默认和信息先验的贝叶斯估计的性能。我们的结论是,在小样本情况下,所有的频率主义方法都显示出了崩溃的迹象(在非收敛性、负方差、极端参数估计方面),贝叶斯条件的默认先验(在模式切换行为方面)也是如此。当增加样本量不是一个选择时,我们建议使用具有信息先验的贝叶斯估计。然而,对结果的解释应该谨慎,因为在相对较小的样本中,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,建议采用两步建模或因子得分回归,因为与小样本的最大似然估计相比,两步建模或因子得分回归可以在没有负方差的情况下获得更高的收敛速度,在重复实验中获得更稳定的结果,参数估计更不极端。