So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Mô hình Tuyến tính Phân cấp Bayes× | Mô hình hiệu ứng hỗn hợp× | |
|---|---|---|
| Lĩnh vực | Thống kê | Thống kê |
| Họ | Regression model | Regression model |
| Năm ra đời≠ | 2006 | 1982 |
| Người khởi xướng≠ | Gelman & Hill (2006); Raudenbush & Bryk (2002) for frequentist HLM; Bayesian treatment consolidated by Gelman et al. | Laird & Ware |
| Loại≠ | Bayesian multilevel linear model | Mixed effects regression |
| Công trình gốc≠ | Gelman, A., & Hill, J. (2006). Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. ISBN: 978-0521686891 | Laird, N. M., & Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974. DOI ↗ |
| Tên gọi khác | Bayesian HLM, Bayesian multilevel linear model, Bayesian random-effects linear model, Bayes hierarchical regression | LME, LMM, mixed model, random effects model |
| Liên quan≠ | 5 | 4 |
| Tóm tắt≠ | The Bayesian Hierarchical Linear Model (Bayesian HLM) estimates linear relationships in nested or clustered data by placing prior distributions on all model parameters and updating them with observed data. It simultaneously models variation within groups and between groups, propagating uncertainty fully through posterior distributions rather than relying on asymptotic approximations. | A mixed effects model (or linear mixed model) extends ordinary regression by including both fixed effects — population-level parameters shared by all observations — and random effects that capture subject-, group-, or cluster-level variability. It is the standard tool for repeated-measures, longitudinal, and multilevel data where observations within the same unit are correlated. |
| ScholarGateBộ dữ liệu ↗ |
|
|