Thus, we use basically the same inf

Thus, we use basically the same information/data as in traditional regression analysis, but now are able to simultaneously estimate discrete groups or clusters of firms, their sizes and membership, as well as the group level regression coefficients.
Note that once estimates of l k ; s2
k ; and b jk are obtained within any iterate, one can
assign each firm i to each cluster or group k (conditioned on these estimates) using
Bayes’ rule via the estimated posterior probability:

ผลลัพธ์ (ไทย) 1:

ดังนั้น เราใช้ข้อมูล/ข้อมูลเดียวกันในการวิเคราะห์การถดถอยแบบดั้งเดิมโดยทั่วไป แต่ตอนนี้ สามารถพร้อมประเมินกลุ่มแยกกันหรือคลัสเตอร์ ของ firms ขนาดของพวกเขา และสมาชิก coefficients ถดถอยระดับกลุ่มโปรดสังเกตว่า การประเมิน l k s2k และเจบีจะได้รับภายในใด ๆ iterate ได้กำหนดให้แต่ละ firm เป็นแต่ละคลัสเตอร์ หรือกลุ่มโดยใช้ k (ปรับขั้น)กฎ Bayes' ผ่านความน่าเป็นการประเมินหลัง:

ผลลัพธ์ (ไทย) 2:

ดังนั้นเราจึงใช้โดยทั่วไปข้อมูลเดิม / ข้อมูลในการวิเคราะห์การถดถอยแบบดั้งเดิม แต่ขณะนี้สามารถไปพร้อม ๆ กันประมาณกลุ่มที่ไม่ต่อเนื่องหรือกลุ่มของอาร์ fi, ขนาดของพวกเขาและสมาชิกเช่นเดียวกับการถดถอยระดับกลุ่ม COEF cients ไฟ.
หมายเหตุว่าเมื่อประมาณ lk ; s2
k; และข JK จะได้รับภายในย้ำใด ๆ หนึ่งสามารถ
กำหนดแต่ละสาย RM ฉันกับแต่ละกลุ่มหรือกลุ่ม k (ปรับอากาศประมาณการเหล่านี้) โดยใช้
กฎของเบย์ผ่านน่าจะเป็นหลังที่คาด: