Bayesiansk Strukturel Ligningsmodellering (BSEM)
Bayesiansk SEM, introduceret af Muthén og Asparouhov i 2012, udvider klassisk strukturel ligningsmodellering ved at placere prior-distributioner på faktormålinger, stiafkoefficienter og kovarianser. I stedet for at returnere et enkelt estimat baseret på maksimal sandsynlighed, anvender den Markov chain Monte Carlo til at producere en fuld posterior-distribution for enhver parameter, hvilket muliggør principiel kvantificering af usikkerhed i modeller med latente variable.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Muthén, B. & Asparouhov, T. (2012). Bayesian SEM: A More Flexible Representation of Substantive Theory. Psychological Methods, 17(3), 313–335. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Bayesian Structural Equation Modeling. ScholarGate. https://scholargate.app/da/bayesian/bayesian-sem
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.
- Bayesiansk hierarkisk modelBayesiansk↔ compare
- Bayesiansk regressionBayesiansk↔ compare
- Konfirmatorisk faktoranalyse (CFA)Statistik↔ compare
- Latent vækstkurvemodel (LGC)Statistik↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
- Strukturel Ligningsmodellering (SEM)Statistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →