大多数情况下，坚持使用纯贝叶斯方法进行具有适当先验的统计，会导致可接受的估计量。
尽管如此，在许多情况下使用经验贝叶斯是有充分理由的，而且频繁使用的人正在享受使用交叉验证的岭回归、套索等更高的准确性。
我的问题是：为了确保经验贝叶斯方法在不使用严格数学的情况下产生可接受的估计量，需要满足哪些条件？
对于从业者来说，假设一个人具有完美的可能性结构（由预言机提供给我们），是否有一些资格标准可以根据数据估计先前分布的参数而不会冒不可接受的风险？换句话说，是否有分步方法/指南来构建分层模型，其中一些（超）参数将从数据中估计并避免不可接受的估计？
最近，我找到了一个起点：