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.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.