Regression modelRegression / GLM
Bayesian Hierarchical Linear Model
학생들이 교실에 중첩되고, 교실들이 학교에 중첩되는 데이터와 같은 경우를 생각해 보십시오. 베이지안 HLM은 각 그룹에 대해 회귀선을 적합시키지만, 각 그룹을 완전히 독립적인 것으로 취급하는 대신 사전 분포를 사용하여 그룹 간 정보를 통합합니다. 데이터가 적은 그룹은 전역 패턴으로부터 강점을 빌리고, 데이터가 풍부한 그룹은 자체 추정치에 가깝게 유지됩니다. 베이지안 계층은 모든 계수와 분산 구성 요소가 점 추정치와 표준 오차뿐만 아니라 전체 사후 분포를 가지므로, 작은 그룹이나 희소한 데이터에 대해서도 불확실성이 정직하게 정량화됨을 의미합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Gelman, A., & Hill, J. (2006). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/ko/statistics/bayesian-hierarchical-linear-model
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 베이즈 혼합 효과 모형통계학↔ 비교
- 베이즈 다중 선형 회귀통계학↔ 비교
- 계층적 선형 모형 (HLM)통계학↔ 비교
- Mixed Effects Model통계학↔ 비교
- 다수준 모형연구 통계↔ 비교