Multilevel Bayesian Model Averaging
Multilevel Bayesian model averaging (ML-BMA) extends classical Bayesian model averaging to grouped or hierarchically structured data. Rather than committing to a single multilevel model specification, it computes a weighted average of predictions and parameter estimates across a set of candidate multilevel models, weighting each model by its posterior probability given the data. The result accounts simultaneously for uncertainty in the grouping structure, fixed effects, random effects, and covariate selection.
Izvorni zapis
Citati kopirani doslovno iz izvornog zapisa metode. Ne impliciraju nikakvu provjeru na razini tvrdnje.
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. · URL
- 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
Uređene tvrdnje
Tvrdnje pohranjene u knjigu dokaza, svaka s vlastitom procjenom.
Ovaj prikaz ne izmišlja procjenu tvrdnje kada knjiga dokaza nema nijednu.
Povezane metode
Generirano iz grafa metode i prikazano kao strojno predložene relacije — ne implicira se nikakva tvrdnja dokaza.