我正在使用 rstanarm 从 2 级和 3 级分层模型估计 ICC。最简单的模型是：y ~ (1|group)或y ~ time + (1|individual) + (1|group)

对于组方差参数，数据集中没有太多信息。我正在使用默认的 rstanarm/stan_lmer 先验。

我的问题是：鉴于后验如此偏斜，报告该参数的平均值（或根据所有方差参数计算的 ICC，这也是偏斜的）是否仍然有意义。图中的黑线表示众数（峰值密度）、中值和平均值（从左到右）。

我意识到没有单一的统计数据可以充分总结后验，并且会报告后验密度图，但我试图获得一些关于如何解释不同估计的直觉。例如，这里的模式是否会过于保守，因为先前的位置为零并且方差估计被限制为 >0？

编辑：非常感谢您的评论，这有助于澄清一些。还要感谢您指出我应该从平局中计算 ICC——我正在这样做，但在我的问题中没有明确说明这一点，它只提到了方差参数。但问题仍然存在，因为 ICC 的后部也同样偏斜。

感谢 Ben 强调了隐含的不同损失函数。这使我看到了这两页关于贝叶斯估计量和 中值无偏估计量的页面，它们在这一点上进行了扩展。它还清楚地表明，尽管基于后验密度图很有吸引力，但该模式并不像看起来那样简单易懂。

听到该模式与 MLE 最相似是非常有趣的，因为在这种情况下，该模式最接近文献中先前的估计，这些估计主要基于 MLE 估计器。我想简化为单一统计数据的诱惑是出于为非技术观众简化故事的愿望，但很明显，这里的真实故事是我们知道的比我们以前想象的要少。