Modèle hiérarchique bayésien

La modélisation hiérarchique bayésienne, popularisée par Gelman et Hill (2006), est une approche bayésienne des structures de données imbriquées — telles que les étudiants au sein des écoles au sein des districts — qui estime des paramètres distincts à chaque niveau tout en permettant à ces niveaux de partager la force statistique par un mécanisme appelé regroupement partiel. Là où un modèle linéaire hiérarchique classique traite les moyennes de groupe comme des quantités fixes inconnues, la version bayésienne place des distributions d'hyperpriors sur ces moyennes de groupe afin que l'information circule librement entre les niveaux, produisant des estimations plus fiables au niveau du groupe chaque fois qu'un groupe individuel a peu d'observations.