对于层次Poisson和gamma模型，我们计算了Stein损失函数下Poisson分布参数的Bayes后验估计，该损失函数对总体高估和总体低估进行了同等惩罚，并计算了相应的后验期望Stein损失（PESL）。我们还得到了在平方误差损失下参数的Bayes后验估计以及相应的PESL。此外，我们通过两种方法获得了具有共轭伽马先验的泊松分布参数的经验Bayes估计。在数值模拟中，我们说明了：贝叶斯后验估计和PESL的两个不等式；矩估计和最大似然估计是超参数的一致估计；模型对模拟数据的良好性。数值结果表明，在估计超参数时，最大似然估计优于矩估计。最后，我们利用来自两所城市高中的314名高三学生的出勤数据来说明我们的理论研究。
