Bayesiansk hierarkisk model
Bayesiansk hierarkisk modellering, populariseret af Gelman og Hill (2006), er en Bayesiansk tilgang til indlejrede datastrukturer – såsom studerende inden for skoler inden for distrikter – der estimerer separate parametre på hvert niveau, samtidig med at disse niveauer kan dele statistisk styrke gennem en mekanisme kaldet partiel pooling. Hvor en klassisk hierarkisk lineær model behandler gruppemiddelværdi som faste ukendte størrelser, placerer den Bayesianske version hyperprior-fordelinger på disse gruppemiddelværdi, så information flyder frit på tværs af niveauer, hvilket producerer mere pålidelige estimater på gruppeniveau, når en individuel gruppe har få observationer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk regressionBayesiansk↔ compare
- Hierarkisk Lineær Model (HLM)Statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
- Mixed Effects ModelStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →