Model Hirarkis Bayesian

Pemodelan hirarkis Bayesian, dipopulerkan oleh Gelman dan Hill (2006), adalah pendekatan Bayesian untuk struktur data bersarang — seperti siswa di dalam sekolah di dalam distrik — yang mengestimasi parameter terpisah di setiap tingkatan sambil memungkinkan tingkatan tersebut berbagi kekuatan statistik melalui mekanisme yang disebut pengumpulan parsial. Di mana model linier hirarkis klasik memperlakukan rata-rata kelompok sebagai kuantitas tetap yang tidak diketahui, versi Bayesian menempatkan distribusi hiperprior pada rata-rata kelompok tersebut sehingga informasi mengalir bebas antar tingkatan, menghasilkan estimasi tingkat kelompok yang lebih andal kapan pun kelompok individu memiliki sedikit observasi.