我们提出了一种新的经验贝叶斯方法，用于$p\gg n$正态线性模型中的推理。新颖之处在于以两种方式使用先前的数据，用于集中和规则化。在适当的稀疏性假设下，我们为经验贝叶斯后验分布建立了各种浓度率结果，这些结果与估计和模型选择都相关。计算简单快速，仿真结果表明经验贝叶斯模型选择过程具有很强的有限样本性能。