So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Mô hình Hiệu ứng Ngẫu nhiên Bayes× | Mô hình hiệu ứng hỗn hợp× | |
|---|---|---|
| Lĩnh vực≠ | Kinh tế lượng | Thống kê |
| Họ | Regression model | Regression model |
| Năm ra đời≠ | 1972–1995 | 1982 |
| Người khởi xướng≠ | Lindley & Smith (1972); extended by Gelman, Rubin and colleagues | Laird & Ware |
| Loại≠ | Bayesian hierarchical panel model | Mixed effects regression |
| Công trình gốc≠ | 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 | Laird, N. M., & Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974. DOI ↗ |
| Tên gọi khác | Bayesian hierarchical model, Bayesian mixed effects model, Bayesian multilevel model, BREM | LME, LMM, mixed model, random effects model |
| Liên quan≠ | 5 | 4 |
| Tóm tắt≠ | The Bayesian random effects model combines panel-data random effects with a Bayesian prior framework, allowing unit-specific effects to be treated as draws from a population distribution whose hyperparameters are estimated from the data. This produces regularised, uncertainty-quantified estimates that borrow strength across units — particularly valuable for short panels, sparse groups, or settings where frequentist variance-component estimation is unstable. | 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 ↗ |
|
|