Modélisation Bayésienne par Équations Structurelles (BSEM)
Le SEM bayésien, introduit par Muthén et Asparouhov en 2012, étend la modélisation classique par équations structurelles en plaçant des distributions a priori sur les chargements factoriels, les coefficients de chemin et les covariances. Au lieu de retourner une seule estimation par maximum de vraisemblance, il utilise la chaîne de Markov Monte Carlo pour produire une distribution postérieure complète pour chaque paramètre, permettant une quantification principielle de l'incertitude dans les modèles avec variables latentes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Muthén, B. & Asparouhov, T. (2012). Bayesian SEM: A More Flexible Representation of Substantive Theory. Psychological Methods, 17(3), 313–335. link ↗
Comment citer cette page
ScholarGate. (2026, June 1). Bayesian Structural Equation Modeling. ScholarGate. https://scholargate.app/fr/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.
- Modèle hiérarchique bayésienBayésien↔ compare
- Régression bayésienneBayésien↔ compare
- Analyse Factorielle Confirmatoire (AFC)Statistique↔ compare
- Modèle de Courbe de Croissance Latente (LGC)Statistique↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Modélisation par équations structurelles (MES)Statistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →