Modelo Hierárquico Bayesiano

A modelagem hierárquica bayesiana, popularizada por Gelman e Hill (2006), é uma abordagem bayesiana para estruturas de dados aninhadas — como alunos dentro de escolas dentro de distritos — que estima parâmetros separados em cada nível, permitindo que esses níveis compartilhem força estatística através de um mecanismo chamado pooling parcial. Onde um modelo linear hierárquico clássico trata as médias de grupo como quantidades fixas e desconhecidas, a versão bayesiana coloca distribuições hipriores sobre essas médias de grupo, de modo que a informação flui livremente entre os níveis, produzindo estimativas de nível de grupo mais confiáveis sempre que qualquer grupo individual tem poucas observações.