مدل سلسله مراتبی بیزی
مدلسازی سلسله مراتبی بیزی، که توسط Gelman و Hill (2006) محبوب شد، یک رویکرد بیزی برای ساختارهای دادهای تودرتو است — مانند دانشآموزان در مدارس در مناطق — که پارامترهای مجزا را در هر سطح تخمین میزند و در عین حال به سطوح اجازه میدهد تا قدرت آماری را از طریق مکانیزمی به نام تجمیع جزئی به اشتراک بگذارند. در حالی که یک مدل خطی سلسله مراتبی کلاسیک میانگینهای گروه را به عنوان مقادیر ثابت ناشناخته در نظر میگیرد، نسخه بیزی توزیعهای پیشین ابرپارامتری (hyperprior) را بر روی آن میانگینهای گروه قرار میدهد تا اطلاعات به طور آزادانه بین سطوح جریان یابد و تخمینهای قابل اعتمادتر در سطح گروه را در هر زمان که هر گروه منفرد مشاهدات کمی داشته باشد، تولید کند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
منابع
- Gelman, A. & Hill, J. (2006). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. DOI: 10.1017/CBO9780511790942 ↗
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/fa/bayesian/bayesian-hierarchical-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.
- رگرسیون بیزیبیزی↔ compare
- مدل خطی سلسله مراتبی (HLM)آمار↔ compare
- زنجیره مارکوف مونت کارلو (MCMC)بیزی↔ compare
- مدل اثرات مختلط (یا مدل خطی مختلط) رگرسیون معمولی را با گنجاندن هر دو اثرات ثابتآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →