Байєсівська ієрархічна модель
Байєсівське ієрархічне моделювання, популяризоване Gelman та Hill (2006), є байєсівським підходом до вкладених структур даних — таких як учні в школах у районах — який оцінює окремі параметри на кожному рівні, дозволяючи цим рівням ділитися статистичною силою через механізм, що називається частковим об'єднанням. Там, де класична ієрархічна лінійна модель розглядає середні значення груп як фіксовані невідомі величини, байєсівська версія розміщує гіперпріорні розподіли на цих середніх значеннях груп, так що інформація вільно тече між рівнями, виробляючи більш надійні оцінки на рівні груп, коли будь-яка окрема група має мало спостережень.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Джерела
- Gelman, A. & Hill, J. (2006). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. DOI: 10.1017/CBO9780511790942 ↗
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/uk/bayesian/bayesian-hierarchical-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.
- Байєсівська регресіяБаєсові методи↔ compare
- Ієрархічна лінійна модель (ІЛМ)Статистика↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
- Змішана модель ефектівСтатистика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →