Modèle Linéaire Hiérarchique Bayésien
Le modèle linéaire hiérarchique bayésien (Bayesian HLM) estime les relations linéaires dans des données imbriquées ou groupées en plaçant des distributions a priori sur tous les paramètres du modèle et en les mettant à jour avec les données observées. Il modélise simultanément la variation au sein des groupes et entre les groupes, propageant entièrement l'incertitude à travers les distributions a posteriori plutôt que de s'appuyer sur des approximations asymptotiques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/fr/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.
- Modèle bayésien à effets mixtesStatistique↔ compare
- Régression linéaire multiple bayésienneStatistique↔ compare
- Modèle Linéaire Hiérarchique (HLM)Statistique↔ compare
- Modèle à effets mixtesStatistique↔ compare
- Modélisation multiniveauStatistiques de recherche↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →