Beieziešu novērojumu kvantitatīvā pētniecība
Beieziešu novērojumu kvantitatīvā pētniecība piemēro Beieziešu statistisko secinājumu izdarīšanu datiem, kas savākti bez eksperimentālas manipulācijas — aptaujām, administratīviem ierakstiem, reģistriem vai sekundāriem datu kopumiem. Tā vietā, lai paļautos tikai uz p-vērtībām un ticamības intervālēm, analītiķis iepriekšējas zināšanas par parametriem kodē kā varbūtības sadalījumus, atjaunina tos ar novērotajiem datiem, izmantojot Beieziešu teorēmu, un ziņo secinājumus kā posteriorās varbūtības apgalvojumus. Šī pieeja ir īpaši novērtēta epidemioloģijā, sociālajās zinātnēs un veselības aprūpes pakalpojumu pētniecībā, kur randomizācija nav iespējama vai ir neētiski.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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
- Greenland, S. (2006). Bayesian perspectives for epidemiological research: I. Foundations and basic methods. International Journal of Epidemiology, 35(3), 765–775. DOI: 10.1093/ije/dyi312 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Observational Quantitative Research Design. ScholarGate. https://scholargate.app/lv/research-design/bayesian-observational-quantitative-research
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Beijesiskā inferenceStatistika↔ salīdzināt
- Daudzlīmeņu modelēšanaPētniecības statistika↔ salīdzināt
- Propensity Score MatchingPētniecības statistika↔ salīdzināt
- Modelēšana ar strukturālām vienādojumiemPētniecības statistika↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →