Байесовски йерархичен модел
Байесовското йерархично моделиране, популяризирано от Gelman и Hill (2006), е байесовски подход към вложени структури от данни — като ученици в училища в райони — който оценява отделни параметри на всяко ниво, като същевременно позволява на тези нива да споделят статистическа сила чрез механизъм, наречен частично обединяване. Там, където класическият йерархичен линеен модел третира средните стойности на групите като фиксирани неизвестни величини, бейсианската версия поставя хиперприорни разпределения върху тези средни стойности на групите, така че информацията тече свободно между нивата, произвеждайки по-надеждни оценки на ниво група, когато която и да е отделна група има малко наблюдения.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Източници
- Gelman, A. & Hill, J. (2006). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. DOI: 10.1017/CBO9780511790942 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Как да цитирате тази страница
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/bg/bayesian/bayesian-hierarchical-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов регресионен моделБейсови методи↔ compare
- Йерархичен линеен модел (HLM)Статистика↔ compare
- Марковски Монте Карло вериги (MCMC)Бейсови методи↔ compare
- Смесен модел с ефектиСтатистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →