Bayessche ordinale logistische Regression
Die bayessche ordinale logistische Regression erweitert das klassische Proportional-Odds-Modell, indem sie Prior-Verteilungen auf die Regressionskoeffizienten und Schwellenparameter legt und diese mittels des Bayes-Theorems mit beobachteten Daten aktualisiert. Das Ergebnis ist eine vollständige Posterior-Verteilung über alle Parameter, die eine Quantifizierung der Unsicherheit ohne Rückgriff auf Großstichprobenapproximationen ermöglicht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Johnson, V. E., & Albert, J. H. (1999). Ordinal Data Modeling. Springer. ISBN: 978-0387987484
- 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 Ordinal Logistic Regression (Proportional Odds Model). ScholarGate. https://scholargate.app/de/statistics/bayesian-ordinal-logistic-regression
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Bayesian Generalisiertes Lineares ModellStatistik↔ vergleichen
- Bayesian Logistic RegressionBayes-Statistik↔ vergleichen
- Bayes'sche multinomiale logistische RegressionStatistik↔ vergleichen
- Bayesian Probit-ModellStatistik↔ vergleichen
- Multinomiale logistische RegressionStatistik↔ vergleichen
- Ordinal-Logistische RegressionStatistik↔ vergleichen
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →