Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Bayesi többdimenziós skálázás (BMDS)× | Bayes-féle konfirmatorikus faktorelemzés (BCFA)× | |
|---|---|---|
| Tudományterület≠ | Statisztika | Pszichometria |
| Módszercsalád | Latent structure | Latent structure |
| Keletkezés éve≠ | 2001 | 2007–2012 |
| Megalkotó≠ | Oh & Raftery | Sik-Yum Lee; Bengt Muthén and Tihomir Asparouhov |
| Típus≠ | Bayesian latent-space dimensionality reduction | Bayesian latent variable model |
| Alapmű≠ | Oh, M.-S. & Raftery, A. E. (2001). Bayesian multidimensional scaling and choice of dimension. Journal of the American Statistical Association, 96(455), 1031–1044. DOI ↗ | Lee, S.-Y. (2007). Structural Equation Modeling: A Bayesian Approach. Wiley. ISBN: 978-0470024232 |
| Alternatív nevek | Bayesian MDS, BMDS, probabilistic MDS, Bayesian proximity scaling | BCFA, Bayesian CFA, Bayesian structural equation measurement model, Bayes-CFA |
| Kapcsolódó≠ | 6 | 4 |
| Összefoglaló≠ | Bayesian Multidimensional Scaling places objects in a low-dimensional latent space so that inter-object distances reproduce observed dissimilarities, while a full Bayesian treatment quantifies uncertainty in the coordinates, handles missing proximities naturally, and selects the number of dimensions via model comparison rather than heuristic inspection. | Bayesian confirmatory factor analysis tests a pre-specified factor structure using Bayesian inference. Instead of point estimates with p-values, it produces full posterior distributions for loadings, factor correlations, and residual variances, allowing the researcher to incorporate prior knowledge and propagate parameter uncertainty naturally. |
| ScholarGateAdatkészlet ↗ |
|
|