Bayesian methods
贝叶斯分层模型
贝叶斯分层建模（由Gelman和Hill于2006年推广）是一种针对嵌套数据结构（例如，学校中的学生，地区中的学校）的贝叶斯方法，它在每个层级估计独立的参数，同时通过一种称为部分汇集（partial pooling）的机制允许各层级共享统计强度。经典分层线性模型将群体均值视为固定的未知量，而贝叶斯版本则对这些群体均值施加超先验（hyperprior）分布，使得信息能在各层级之间自由流动，从而在任何单个群体观测值较少时，产生更可靠的群体层级估计。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
来源
- 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
如何引用本页
ScholarGate. (2026, June 1). Bayesian Hierarchical (Multilevel) Model. ScholarGate. https://scholargate.app/zh/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.
- Bayesian Regression贝叶斯↔ compare
- 分层线性模型 (HLM)统计学↔ compare
- 马尔可夫链蒙特卡洛 (MCMC)贝叶斯↔ compare
- 混合效应模型统计学↔ compare