Há um artigo realmente ótimo no JASA, em meados da década de 1970, sobre o estimador James-Stein e a estimativa empírica de Bayes com uma aplicação específica para prever as médias de rebatidas dos jogadores de beisebol. O insight que posso dar sobre isso é o resultado de James e Stein, que mostraram para a surpresa do mundo estatístico que, para uma distribuição normal multivariada em três dimensões ou mais, o MLE, que é o vetor de médias coordenadas, é inadmissível.
A prova foi obtida mostrando que um estimador que reduz o vetor médio em direção à origem é uniformemente melhor com base no erro quadrático médio como uma função de perda. Efron e Morris mostraram que, em um problema de regressão multivariada, usando uma abordagem empírica de Bayes, os estimadores a que chegam são estimadores de encolhimento do tipo James-Stein. Eles usam essa metodologia para prever as médias de rebatidas da temporada final dos jogadores da liga principal de beisebol, com base em seus resultados no início da temporada. A estimativa move a média individual de todos para a média geral de todos os jogadores.
Eu acho que isso explica como esses estimadores podem surgir em modelos lineares multivariados. Ele não o conecta completamente a nenhum modelo de efeitos mistos específico, mas pode ser uma boa vantagem nessa direção.
Algumas referências :
- B. Efron e C. Morris (1975), análise de dados usando o estimador de Stein e suas generalizações , J. Amer. Estado. Assoc. vol. 70, n. 350, 311-319.
- B. Efron e C. Morris (1973), regra de estimativa de Stein e seus concorrentes - Uma abordagem empírica de Bayes , J. Amer. Estado. Assoc. vol. 68, n. 341, 117-130.
- B. Efron e C. Morris (1977), paradoxo de Stein em estatística , Scientific American , vol. 236, n. 5, 119-127.
- G. Casella (1985), Uma introdução à análise empírica de dados de Bayes , Amer. Statistician , vol. 39, n. 2, 83-87.