Analisis Faktor Eksploratori Bayesian (BEFA)
Analisis faktor eksploratori Bayesian mengaplikasikan rangka kerja kebarangkalian penuh kepada model faktor lazim. Dengan meletakkan taburan prior ke atas pemuatan faktor dan varians unik, ia menghasilkan taburan posterior berbanding anggaran titik, mengukur ketidakpastian di sekeliling setiap pemuatan, dan boleh menganggap bilangan faktor sebagai pemboleh ubah tak diketahui yang perlu disimpulkan daripada data.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Lopes, H. F. & West, M. (2004). Bayesian model assessment in factor analysis. Statistica Sinica, 14(1), 41–67. link ↗
- Ghosh, J. & Dunson, D. B. (2009). Default prior distributions and efficient posterior computation in Bayesian factor analysis. Journal of Computational and Graphical Statistics, 18(2), 306–320. DOI: 10.1198/jcgs.2009.07145 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Exploratory Factor Analysis. ScholarGate. https://scholargate.app/ms/psychometrics/bayesian-exploratory-factor-analysis
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.
- Analisis Faktor Pengesahan Bayesian (BCFA)Psikometrik↔ compare
- Analisis Faktor Pengesahan (CFA)Psikometrik↔ compare
- Analisis Faktor Penerokaan (EFA)Statistik↔ compare
- Teori Gerak Balas Item (IRT)Psikometrik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →