Model Jeràrquic Bayesiana
La modelització jeràrquica bayesiana, popularitzada per Gelman i Hill (2006), és un enfocament bayesià per a estructures de dades anidades —com ara estudiants dins escoles dins districtes— que estima paràmetres separats a cada nivell mentre permet que aquests nivells comparteixin força estadística mitjançant un mecanisme anomenat *pooling* parcial. Mentre que un model lineal jeràrquic clàssic tracta les mitjanes de grup com a quantitats fixes desconegudes, la versió bayesiana situa distribucions *hyperprior* sobre aquestes mitjanes de grup de manera que la informació flueix lliurement entre nivells, produint estimacions a nivell de grup més fiables sempre que qualsevol grup individual tingui poques observacions.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/ca/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.
- Regressió BayesianaBayesià↔ compare
- Model Lineal Jeràrquic (HLM)Estadística↔ compare
- Cadenes de Markov Monte Carlo (MCMC)Bayesià↔ compare
- Model d'efectes mixtsEstadística↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →