เปรียบเทียบวิธี

	การถดถอยเชิงเส้นพหุแบบเบย์ (Bayesian Multiple Linear Regression)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)
สาขาวิชา	สถิติศาสตร์	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1971	2019
ผู้ริเริ่ม	Arnold Zellner (econometric formulation); broader development by Harold Jeffreys and Gelman et al.	Wooldridge (textbook treatment); classical least squares
ประเภท	Bayesian parametric regression	Linear regression
แหล่งต้นตำรับ	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	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
ชื่อเรียกอื่น	Bayesian MLR, Bayesian linear regression, Bayesian multivariate regression, conjugate normal-inverse-gamma regression	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu
ที่เกี่ยวข้อง	6	5
สรุป	Bayesian Multiple Linear Regression models a continuous outcome as a linear combination of several predictors, but instead of producing a single point estimate it yields a full posterior distribution over all regression coefficients and the error variance. This makes uncertainty quantification explicit and allows seamlessly incorporating prior knowledge from theory or previous studies.	Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE).