Bayes-i Ordinális Logisztikus Regresszió
A Bayes-i ordinális logisztikus regresszió a klasszikus, arányos esélyek modell kiterjesztése azáltal, hogy prior eloszlásokat helyez a regressziós együtthatókra és a küszöbparaméterekre, majd ezeket a megfigyelt adatokkal a Bayes-tétel segítségével frissíti. Az eredmény az összes paraméterre vonatkozó teljes utóeloszlás (posterior distribution), amely lehetővé teszi a bizonytalanság kvantifikálását nagymintás közelítésekre való támaszkodás nélkül.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- Johnson, V. E., & Albert, J. H. (1999). Ordinal Data Modeling. Springer. ISBN: 978-0387987484
- 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 3). Bayesian Ordinal Logistic Regression (Proportional Odds Model). ScholarGate. https://scholargate.app/hu/statistics/bayesian-ordinal-logistic-regression
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Bayes-féle általánosított lineáris modellStatisztika↔ összehasonlítás
- Bayes-féle logisztikus regresszióBayes-statisztika↔ összehasonlítás
- Bayes-féle multinomiális logisztikus regresszióStatisztika↔ összehasonlítás
- Bayes-féle Probit modellStatisztika↔ összehasonlítás
- Multinomial Logistic RegressionStatisztika↔ összehasonlítás
- Ordinális logisztikus regresszióStatisztika↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →