Байесовская иерархическая линейная модель
Байесовская иерархическая линейная модель (Bayesian HLM) оценивает линейные зависимости во вложенных или кластеризованных данных путем наложения априорных распределений на все параметры модели и их обновления с помощью наблюдаемых данных. Она одновременно моделирует вариацию внутри групп и между группами, полностью распространяя неопределенность через апостериорные распределения, а не полагаясь на асимптотические приближения.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Hierarchical Linear Model. ScholarGate. https://scholargate.app/ru/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.
- Байесовская модель со смешанными эффектамиСтатистика↔ compare
- Байесовская множественная линейная регрессияСтатистика↔ compare
- Иерархическая линейная модель (HLM)Статистика↔ compare
- Модель со смешанными эффектамиСтатистика↔ compare
- Многоуровневое моделированиеСтатистика исследований↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →