การถัวเฉลี่ยแบบจำลองเบย์แบบหลายระดับ
การถัวเฉลี่ยแบบจำลองเบย์แบบหลายระดับ (Multilevel Bayesian model averaging, ML-BMA) เป็นการขยายแนวคิดการถัวเฉลี่ยแบบจำลองเบย์แบบดั้งเดิมไปสู่ข้อมูลที่มีการจัดกลุ่มหรือมีโครงสร้างแบบลำดับชั้น แทนที่จะยึดติดกับการระบุแบบจำลองหลายระดับเพียงแบบเดียว ML-BMA จะคำนวณค่าเฉลี่ยถ่วงน้ำหนักของการทำนายและค่าประมาณพารามิเตอร์จากชุดของแบบจำลองหลายระดับที่เป็นไปได้ โดยถ่วงน้ำหนักแต่ละแบบจำลองด้วยความน่าจะเป็นภายหลัง (posterior probability) ที่ได้จากข้อมูล ผลลัพธ์ที่ได้จะพิจารณาความไม่แน่นอนในโครงสร้างการจัดกลุ่ม ผลกระทบคงที่ (fixed effects) ผลกระทบสุ่ม (random effects) และการเลือกตัวแปรร่วม (covariate selection) ไปพร้อมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-401. link ↗
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multilevel Bayesian Model Averaging. ScholarGate. https://scholargate.app/th/bayesian/multilevel-bayesian-model-averaging
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.
- การเฉลี่ยแบบจำลองแบบเบย์ (Bayesian Model Averaging - BMA)เบย์↔ compare
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- การสุ่มตัวอย่างแบบกิบบส์เบย์↔ compare
- การอนุมานแบบเบย์ตามลำดับชั้นเบย์↔ compare
- MCMC แบบหลายระดับเบย์↔ compare
- การอนุมานแบบแปรผันหลายระดับเบย์↔ compare