Bayes-féle hierarchikus modell
A Gelman és Hill (2006) által népszerűsített Bayes-féle hierarchikus modellezés egy Bayes-féle megközelítés a csoportosított adatszerkezetek – mint például iskolákban lévő diákok, amelyek kerületi iskolákban vannak – kezelésére. Ez a megközelítés külön paramétereket becsül meg minden szinten, miközben lehetővé teszi, hogy ezek a szintek statisztikai erősséget osszanak meg egy részleges aggregáció (partial pooling) nevű mechanizmuson keresztül. Míg a klasszikus hierarchikus lineáris modell a csoportátlagokat fix, ismeretlen mennyiségekként kezeli, a Bayes-féle változat szuperprior eloszlásokat rendel ezekhez a csoportátlagokhoz, így az információ szabadon áramlik a szintek között, ami megbízhatóbb csoportszintű becsléseket eredményez, ha bármelyik csoportnak kevés megfigyelése van.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle RegresszióBayes-statisztika↔ compare
- Hierarchikus Lineáris Modell (HLM)Statisztika↔ compare
- Markov-lánc Monte Carlo (MCMC)Bayes-statisztika↔ compare
- Vegyes hatású modellStatisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →