Multilevel Bayesian Model Averaging
La ponderació bayesiana de models multinivell (ML-BMA) estén la ponderació bayesiana de models clàssica a dades agrupades o estructurades jeràrquicament. En lloc de comprometre's amb una única especificació de model multinivell, calcula una mitjana ponderada de prediccions i estimacions de paràmetres entre un conjunt de models multinivell candidats, ponderant cada model per la seva probabilitat posterior donats les dades. El resultat té en compte simultàniament la incertesa en l'estructura de agrupació, els efectes fixos, els efectes aleatoris i la selecció de covariables.
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.
Fonts
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. link ↗
- 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 3). Multilevel Bayesian Model Averaging. ScholarGate. https://scholargate.app/ca/bayesian/multilevel-bayesian-model-averaging
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.
- Mitjana de models bayesiansBayesià↔ compare
- Regressió BayesianaBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Inferència bayesiana jeràrquicaBayesià↔ compare
- MCMC MultillivellBayesià↔ compare
- Inferencia variacional multinivellBayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →