Bayesian Hierarchical Invariant Prediction (BHIP)은 Invariant Causal Prediction (ICP)을 계층적 베이즈의 관점에서 재구성한 방법입니다. 계층적 구조를 활용하여 이질적인 데이터 하에서 인과 메커니즘의 불변성을 명시적으로 검정하여, ICP에 비해 더 많은 예측 변수에 대해 계산 확장성을 향상시킵니다. 또한, 베이지안 특성으로 인해 사전 정보를 활용할 수 있으며, horseshoe와 spike-and-slab과 같은 두 가지 sparsity inducing priors를 사용하여 인과적 특징을 더욱 신뢰할 수 있게 식별합니다. 합성 데이터와 실제 데이터를 사용한 실험을 통해 ICP에 대한 대안적 추론 방법으로서의 잠재력을 보여줍니다.