Bayesian Hierarchical Linear Model
دادههایی را در نظر بگیرید که در آنها دانشآموزان در کلاسها، و کلاسها در مدارس تودرتو شدهاند. یک مدل خطی سلسله مراتبی بیزی (Bayesian HLM) یک خط رگرسیون برای هر گروه برازش میدهد، اما به جای اینکه هر گروه را کاملاً مستقل در نظر بگیرد، اطلاعات را از طریق توزیعهای پیشین در بین گروهها تجمیع میکند. گروههایی که دادههای کمی دارند از الگوی کلی قدرت میگیرند؛ گروههایی که دادههای فراوانی دارند به تخمینهای خودشان نزدیک میمانند. لایه بیزی به این معنی است که هر ضریب و مولفه واریانس با یک توزیع پسین کامل همراه است — نه فقط یک تخمین نقطهای و یک خطای استاندارد — بنابراین عدم قطعیت حتی برای گروههای کوچک یا دادههای پراکنده به طور صادقانه کمیسازی میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/fa/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.
- مدل اثرات مختلط بیزی (Bayesian Mixed Effects Model)آمار↔ compare
- رگرسیون خطی چندگانه بیزی (Bayesian Multiple Linear Regression)آمار↔ compare
- مدل خطی سلسله مراتبی (HLM)آمار↔ compare
- مدل اثرات مختلط (یا مدل خطی مختلط) رگرسیون معمولی را با گنجاندن هر دو اثرات ثابتآمار↔ compare
- مدلسازی چندسطحیآمار پژوهش↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →