Multilevel Bayesian Model Averaging
Multilevel Bayesian model averaging (ML-BMA) extends classical Bayesian model averaging to grouped or hierarchically structured data. Rather than committing to a single multilevel model specification, it computes a weighted average of predictions and parameter estimates across a set of candidate multilevel models, weighting each model by its posterior probability given the data. The result accounts simultaneously for uncertainty in the grouping structure, fixed effects, random effects, and covariate selection.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. · URL
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.