Bayesiansk hierarkisk modell
Bayesiansk hierarkisk modellering, populariserad av Gelman och Hill (2006), är ett bayesianskt angreppssätt för nästlade datastrukturer – såsom studenter inom skolor inom distrikt – som estimerar separata parametrar på varje nivå samtidigt som dessa nivåer tillåts dela statistisk styrka genom en mekanism som kallas partiell poolning. Där en klassisk hierarkisk linjär modell behandlar gruppmedelvärden som fasta okända kvantiteter, placerar den bayesianska versionen hyperpriorfördelningar på dessa gruppmedelvärden så att information flödar fritt över nivåer, vilket ger mer tillförlitliga gruppnivåestimat närhelst en enskild grupp har få observationer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Källor
- Gelman, A. & Hill, J. (2006). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. DOI: 10.1017/CBO9780511790942 ↗
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/sv/bayesian/bayesian-hierarchical-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.
- Bayesiansk regressionBayesiansk statistik↔ compare
- Hierarkisk linjär modell (HLM)Statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk statistik↔ compare
- Modell för blandade effekterStatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →