Байесовское моделирование структурными уравнениями (BSEM)
Байесовский SEM, введенный Мутеном и Аспаруховым в 2012 году, расширяет классическое моделирование структурными уравнениями путем наложения априорных распределений на факторные нагрузки, коэффициенты путей и ковариации. Вместо возврата единственной оценки максимального правдоподобия, он использует цепи Маркова Монте-Карло для получения полного апостериорного распределения для каждого параметра, что позволяет принципиально количественно оценивать неопределенность в моделях со скрытыми переменными.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Muthén, B. & Asparouhov, T. (2012). Bayesian SEM: A More Flexible Representation of Substantive Theory. Psychological Methods, 17(3), 313–335. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Bayesian Structural Equation Modeling. ScholarGate. https://scholargate.app/ru/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.
- Байесовская иерархическая модельБайесовские методы↔ compare
- Байесовская регрессияБайесовские методы↔ compare
- Конфирматорный факторный анализ (КФА)Статистика↔ compare
- Модель латентных кривых роста (LGC)Статистика↔ compare
- Метод Монте-Карло по цепям Маркова (MCMC)Байесовские методы↔ compare
- Моделирование структурными уравнениями (SEM)Статистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →