เปรียบเทียบวิธี

	การถดถอยโลจิสติกแบบอันดับเบย์ (Bayesian Ordinal Logistic Regression)	แบบจำลองโพรบิตแบบเบย์ (Bayesian Probit Model)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Regression model	Regression model
ปีกำเนิด	1999	1993
ผู้ริเริ่ม	Johnson & Albert (1999); Bayesian proportional odds framework	Albert & Chib (data augmentation formulation)
ประเภท	Bayesian generalized linear model	Binary regression (Bayesian)
แหล่งต้นตำรับ	Johnson, V. E., & Albert, J. H. (1999). Ordinal Data Modeling. Springer. ISBN: 978-0387987484	Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679.
ชื่อเรียกอื่น	Bayesian proportional odds model, Bayesian cumulative logit model, Bayesian ordered logit, Bayesian cumulative link model	Bayesian probit regression, probit model with data augmentation, Gibbs sampling probit, Albert-Chib probit
ที่เกี่ยวข้อง	6	6
สรุป	Bayesian ordinal logistic regression extends the classical proportional odds model by placing prior distributions on the regression coefficients and threshold parameters and updating them with observed data via Bayes' theorem. The result is a full posterior distribution over all parameters, enabling uncertainty quantification without relying on large-sample approximations.	The Bayesian Probit model is a binary regression method that models the probability of a binary outcome using the normal CDF (probit link) within a Bayesian framework. It assigns prior distributions to regression coefficients and updates them with observed data, yielding a full posterior distribution rather than a single point estimate. The Albert-Chib data-augmentation algorithm makes posterior sampling computationally efficient via Gibbs sampling.