James-Stein susut 'di alam liar'?

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?

Penaksir James-Stein tidak banyak digunakan tetapi telah mengilhami ambang lunak, ambang keras yang benar-benar banyak digunakan.

Estimasi penyusutan wavelet (lihat paket R wavethresh) banyak digunakan dalam pemrosesan sinyal, centroid menyusut (paket pamr di bawah R) untuk klasifikasi digunakan untuk susunan mikro DNA, ada banyak contoh efisiensi praktis penyusutan ...

Untuk tujuan teoretis, lihat bagian tinjauan lilin tentang estimasi penyusutan (hal. 20-> James stein dan bagian setelahnya yang membahas tentang ambang batas lunak dan keras):

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.161.8881&rep=rep1&type=pdf

Sunting dari komentar: mengapa JS shrinkage lebih jarang digunakan daripada Soft / Hard Thresh?

James Stein lebih sulit untuk dimanipulasi (secara praktis dan teoritis) dan untuk memahami secara intuitif daripada pengerasan keras tetapi pertanyaan mengapa adalah pertanyaan yang bagus!

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) .

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.

Lihat juga Jennrich, RJ, Oman, SD "Berapa estimasi Stein membantu dalam regresi linier berganda?" Technometrics , 28 , 113-121, 1986.

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.