Байесов йерархичен линеен модел
Байесовият йерархичен линеен модел (Bayesian HLM) оценява линейни зависимости в вложени или клъстерирани данни чрез поставяне на априорни разпределения върху всички параметри на модела и тяхното актуализиране с наблюдавани данни. Той едновременно моделира вариацията в групите и между групите, разпространявайки несигурността напълно чрез апостериорни разпределения, вместо да разчита на асимптотични апроксимации.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Gelman, A., & Hill, J. (2006). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- 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 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/bg/statistics/bayesian-hierarchical-linear-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 модел със смесени ефектиСтатистика↔ compare
- Байесов многомерен линеен регресионен моделСтатистика↔ compare
- Йерархичен линеен модел (HLM)Статистика↔ compare
- Смесен модел с ефектиСтатистика↔ compare
- Многостепенно моделиранеСтатистика за изследвания↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →