Bühlmann 信度常數 k

在 Bühlmann 信度中，給自身資料的權重是 Z = n/(n + k)，其中 n 是你擁有的觀測數。數字 k 是守門人。它以觀測為單位告訴你：在開始信任個體之前需要多少資料——當 n 等於 k 時，Z 恰好為二分之一。把 k 想成「信度的價格」——k 小意味著便宜（你的資料很快取勝），k 大意味著昂貴（你會長久地拴在基準上）。

k 不是一個隨意的旋鈕；它由兩個結構參數固定為 k = EPV / VHM——過程變異數的期望值除以假設均值的變異數。把它讀成一個倒過來的訊噪故事：各風險內部的雜訊在分子，真實的訊號（風險之間差異多大）在分母。當風險幾乎沒有差異（VHM 極小）或每個風險的資料非常吵（EPV 大）時，k 大、Z 小，你倚靠集合體；當風險相對於其內部雜訊差異很大時，k 小、Z 大，個體自身的資料主導費率。舉例：EPV = 0.4、VHM = 0.05 得 k = 8，故某風險需 8 年才達到 Z = 0.5。

由於 k 把模型的全部結構打包進一個常數，把它估好正是應用 Bühlmann 信度的關鍵，通常經由經驗貝氏完成。兩點提醒：k 是有量綱的（每觀測、每暴露單位），只有與 n 的度量方式放在一起才有意義；而 k 是建立在 EPV 與 VHM 之上的估計，它們本身帶著抽樣誤差——所以把所得的 Z 當作有理有據的數字，而非精確的自然常數。