So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Hồi quy Bayes× | Mô hình hiệu ứng hỗn hợp× | |
|---|---|---|
| Lĩnh vực≠ | Bayes | Thống kê |
| Họ≠ | Bayesian methods | Regression model |
| Năm ra đời≠ | — | 1982 |
| Người khởi xướng≠ | — | Laird & Ware |
| Loại≠ | Bayesian linear 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 linear regression, probabilistic regression, bayesian regresyon | LME, LMM, mixed model, random effects model |
| Liên quan≠ | 2 | 4 |
| Tóm tắt≠ | Bayesian regression is a probabilistic version of linear regression that treats the model parameters as uncertain quantities. Instead of returning a single best-fit estimate, it combines prior knowledge with the observed data to produce a full posterior probability distribution for each parameter, from which credible intervals and predictions are read off. | 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 ↗ |
|
|