Bayesian Model Averaging

Bayesian Model Averaging (BMA), geformaliseerd als een tutorial door Hoeting, Madigan, Raftery en Volinsky in 1999, pakt modelonzekerheid aan door te middelen over alle plausibele modelspecificaties in plaats van één enkel best model te selecteren. Elk kandidaatmodel krijgt een posterior kans die weergeeft hoe goed het de data past, gegeven een prior, en voorspellingen of coëfficiëntschattingen worden gevormd als gewogen gemiddelden over de gehele modelruimte. Deze aanpak vermindert de bias en overmoed die ontstaan wanneer één enkel geselecteerd model als het ware wordt behandeld.