Bayesiansk Hierarkisk Lineær Model
Den Bayesianske Hierarkiske Lineære Model (Bayesian HLM) estimerer lineære sammenhænge i nestede eller klyngede data ved at placere prior-fordelinger på alle modelparametre og opdatere dem med observerede data. Den modellerer samtidigt variation inden for grupper og mellem grupper, og propagerer usikkerhed fuldt ud gennem posterior-fordelinger i stedet for at stole på asymptotiske approksimationer.
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.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk mixed effects modelStatistik↔ compare
- Bayesiansk Multipel Lineær RegressionStatistik↔ compare
- Hierarkisk Lineær Model (HLM)Statistik↔ compare
- Mixed Effects ModelStatistik↔ compare
- MultilevelmodelleringForskningsstatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →