Multilevel Bayes'sche Modellmittelung
Multilevel Bayes'sche Modellmittelung (ML-BMA) erweitert die klassische Bayes'sche Modellmittelung auf gruppierte oder hierarchisch strukturierte Daten. Anstatt sich auf eine einzige Multilevel-Modellspezifikation festzulegen, berechnet sie einen gewichteten Durchschnitt von Vorhersagen und Parameterschätzungen über eine Menge von Kandidaten-Multilevel-Modellen, wobei jedes Modell nach seiner Posterior-Wahrscheinlichkeit gegeben die Daten gewichtet wird. Das Ergebnis berücksichtigt gleichzeitig die Unsicherheit in der Gruppierungsstruktur, den festen Effekten, den Zufallseffekten und der Kovariatenwahl.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilevel Bayesian Model Averaging. ScholarGate. https://scholargate.app/de/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.
- Bayesian Model AveragingBayes-Statistik↔ compare
- Bayes'sche RegressionBayes-Statistik↔ compare
- Gibbs-SamplingBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- Multilevel MCMCBayes-Statistik↔ compare
- Multilevel Variational InferenceBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →