Bayesianisches Hierarchisches Lineares Modell
Das Bayesianische Hierarchische Lineare Modell (Bayesian HLM) schätzt lineare Beziehungen in verschachtelten oder geclusterten Daten, indem es Prior-Verteilungen auf alle Modellparameter legt und diese mit beobachteten Daten aktualisiert. Es modelliert gleichzeitig die Variation innerhalb von Gruppen und zwischen Gruppen und propagiert die Unsicherheit vollständig durch Posterior-Verteilungen, anstatt sich auf asymptotische Approximationen zu verlassen.
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
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/de/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.
- Bayesian Mixed Effects ModelStatistik↔ compare
- Bayesian Multiple Linear RegressionStatistik↔ compare
- Hierarchical Linear Model (HLM)Statistik↔ compare
- Mixed Effects ModelStatistik↔ compare
- Multilevel ModelingForschungsstatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →