Иерархическое бутстреп-моделирование
Иерархическое бутстреп-моделирование — это метод повторной выборки (resampling), предназначенный для данных с вложенной или кластерной структурой: студенты в школах, пациенты в больницах, повторные измерения у испытуемых. Он сохраняет естественную группировку данных путем последовательной повторной выборки на каждом уровне иерархии, создавая выборочное распределение, которое корректно отражает как межгрупповую, так и внутригрупповую изменчивость.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Davison, A. C. & Hinkley, D. V. (1997). Bootstrap Methods and their Application. Cambridge University Press. ISBN: 978-0521574716
- Cameron, A. C., Gelbach, J. B. & Miller, D. L. (2008). Bootstrap-based improvements for inference with clustered errors. Review of Economics and Statistics, 90(3), 414-427. DOI: 10.1162/rest.90.3.414 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Hierarchical Bootstrap Simulation. ScholarGate. https://scholargate.app/ru/bayesian/hierarchical-bootstrap-simulation
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.
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Иерархический байесовский выводБайесовские методы↔ compare
- Фильтр КалманаБайесовские методы↔ compare
- Многоуровневое бутстреп-моделированиеБайесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →