模拟研究中的经验标准偏差和模型标准误差

Question

我正在进行荟萃分析中的模拟，以比较两种估计相同问题参数的方法。其中之一是基于可能性的方法。在这类问题中，必须预先修复许多参数，例如需要使用该方法的nn个数据集，参数的真实值等。最后，我存储了一个矩阵我的情况5中的参数估计值（矩阵称为estimas，维数nn * 5）和标准误差矩阵（矩阵称为st_err）。然后我最终为每个估计计算基于模型的均值。和经验标准偏差。

  st_error<-apply(st_err,2,mean)    #model based s.e.
  st_dev<-apply(estimas,2,function(x)sqrt(var(x)))   #empirical based

实际上，这两个位置应该非常接近，这是模拟练习正确的信号。我的结果并不令人鼓舞。例如，对于我得到的参数之一，

Empirical standard error Model-based standard error:
1.3660                         4.7237
0.9370                         1.1601
0.6553                         0.5365

在一种情况下，它们太不一样了。任何人都可以洞悉为什么会这样吗？