Bayesowski hierarchiczny model liniowy
Bayesowski hierarchiczny model liniowy (Bayesian HLM) szacuje związki liniowe w danych zagnieżdżonych lub pogrupowanych poprzez umieszczenie rozkładów a priori na wszystkich parametrach modelu i ich aktualizację na podstawie obserwowanych danych. Jednocześnie modeluje zmienność wewnątrz grup i między grupami, w pełni propagując niepewność poprzez rozkłady aposteriorne, zamiast polegać na przybliżeniach asymptotycznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/pl/statistics/bayesian-hierarchical-linear-model
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.
- Model bayesowski z efektami mieszanymiStatystyka↔ compare
- Bayesowska wielokrotna regresja liniowaStatystyka↔ compare
- Hierarchiczny Model Liniowy (HLM)Statystyka↔ compare
- Model Mieszanych EfektówStatystyka↔ compare
- Modelowanie wielopoziomoweStatystyka w badaniach↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →