Ich bin relativ neu in der Bayes'schen Statistik und habe JAGS kürzlich verwendet, um hierarchische Bayes'sche Modelle auf verschiedenen Datensätzen zu erstellen. Obwohl ich mit den Ergebnissen sehr zufrieden bin (im Vergleich zu Standard-GLM-Modellen), muss ich Nicht-Statistikern erklären, was der Unterschied zu Standard-Statistikmodellen ist. Insbesondere möchte ich veranschaulichen, warum und wann HBMs besser abschneiden als einfachere Modelle.
Eine Analogie wäre nützlich, insbesondere eine, die einige Schlüsselelemente veranschaulicht:
- die verschiedenen Ebenen der Heterogenität
- die Notwendigkeit für mehr Berechnungen, um das Modell anzupassen
- die Fähigkeit, mehr "Signal" aus denselben Daten zu extrahieren
Beachten Sie, dass die Antwort wirklich eine Analogie sein sollte, die für Nicht-Statistik-Personen aufschlussreich ist, und kein einfaches und gut zu befolgendes Beispiel.