Regression modelRegression / GLM
베이즈 다중 선형 회귀
베이즈 다중 선형 회귀는 연속적인 결과 변수를 여러 예측 변수의 선형 조합으로 모델링하지만, 단일 점 추정치를 생성하는 대신 모든 회귀 계수와 오차 분산에 대한 완전한 사후 분포를 제공합니다. 이는 불확실성 정량화를 명시적으로 만들고 이론이나 이전 연구로부터 얻은 사전 지식을 원활하게 통합할 수 있게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
출처
- 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
- Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley. ISBN: 978-0471980650
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Multiple Linear Regression. ScholarGate. https://scholargate.app/ko/statistics/bayesian-multiple-linear-regression
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.
- 베이즈 일반화 선형 모형통계학↔ compare
- Bayesian Hierarchical Linear Model통계학↔ compare
- 베이즈 단순 선형 회귀통계학↔ compare
- 라쏘 회귀머신러닝↔ compare
- 최소제곱법(OLS) 회귀계량경제학↔ compare
- 릿지 회귀(Ridge Regression)머신러닝↔ compare