แบบจำลองผลกระทบแบบผสมแบบเบย์ (Bayesian Mixed Effects Model)
แบบจำลองผลกระทบแบบผสมแบบเบย์เป็นการขยายกรอบการทำงานของแบบจำลองผลกระทบแบบผสม (mixed effects framework) แบบดั้งเดิม โดยการกำหนดการแจกแจงก่อน (prior distributions) ให้กับพารามิเตอร์ทั้งหมด ได้แก่ ผลกระทบแบบคงที่ (fixed effects), ความแปรปรวนของผลกระทบแบบสุ่ม (random effect variances), และความแปรปรวนของส่วนเหลือ (residual variance) และทำการปรับปรุงพารามิเตอร์เหล่านั้นด้วยข้อมูล เพื่อให้ได้การแจกแจงภายหลัง (posterior distributions) ที่สมบูรณ์ ซึ่งให้การวัดปริมาณความไม่แน่นอนที่สอดคล้องกันสำหรับทั้งระดับประชากรและระดับกลุ่มไปพร้อมๆ กัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Gelman, A., & Hill, J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891
- Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software, 67(1), 1–48. DOI: 10.18637/jss.v067.i01 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Mixed Effects Model. ScholarGate. https://scholargate.app/th/statistics/bayesian-mixed-effects-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.
- แบบจำลองเชิงเส้นทั่วไปแบบเบย์ (Bayesian Generalized Linear Model)สถิติศาสตร์↔ compare
- Bayesian Hierarchical Linear Modelสถิติศาสตร์↔ compare
- แบบจำลองเชิงเส้นลำดับชั้น (HLM)สถิติศาสตร์↔ compare
- Mixed Effects Modelสถิติศาสตร์↔ compare
- Multilevel Modelingสถิติการวิจัย↔ compare