Bayessches hierarchisches Modell

Die bayessche hierarchische Modellierung, populär gemacht durch Gelman und Hill (2006), ist ein bayesscher Ansatz für geschachtelte Datenstrukturen – wie Schüler innerhalb von Schulen innerhalb von Bezirken. Sie schätzt separate Parameter auf jeder Ebene, während sie es diesen Ebenen ermöglicht, statistische Stärke durch einen Mechanismus namens partielles Pooling zu teilen. Wo ein klassisches hierarchisches lineares Modell Gruppenmittelwerte als feste unbekannte Größen behandelt, platziert die bayessche Version Hyperprior-Verteilungen auf diesen Gruppenmittelwerten, sodass Informationen frei über die Ebenen fließen, was zu zuverlässigeren Schätzungen auf Gruppenebene führt, wann immer eine einzelne Gruppe wenige Beobachtungen hat.