Bayesian methods
ベイズ構造方程式モデリング（BSEM）
ベイズSEMは、MuthénとAsparouhovが2012年に導入したもので、因子負荷量、パス係数、共分散に事前分布を置くことで、古典的な構造方程式モデリングを拡張したものである。単一の最尤推定値を得る代わりに、マルコフ連鎖モンテカルロ法を用いて、すべてのパラメータの完全な事後分布を生成し、潜在変数を持つモデルにおける原理的な不確実性定量化を可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Muthén, B. & Asparouhov, T. (2012). Bayesian SEM: A More Flexible Representation of Substantive Theory. Psychological Methods, 17(3), 313–335. link ↗
このページの引用方法
ScholarGate. (2026, June 1). Bayesian Structural Equation Modeling. ScholarGate. https://scholargate.app/ja/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.
- ベイズ階層モデルベイズ↔ compare
- ベイズ回帰ベイズ↔ compare
- 確認的因子分析（CFA）統計学↔ compare
- 潜在成長曲線モデル (LGC)統計学↔ compare
- マルコフ連鎖モンテカルロ法 (MCMC)ベイズ↔ compare
- 構造方程式モデリング（SEM）統計学↔ compare