Latent structureScale / measurement
贝叶斯探索性因子分析 (Bayesian Exploratory Factor Analysis, BEFA)
贝叶斯探索性因子分析将完整的概率框架应用于共同因子模型。通过对因子载荷和唯一方差设置先验分布，它产生后验分布而非点估计，量化每个载荷的不确定性，并将因子数量视为一个可从数据中推断的未知量。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Exploratory Factor Analysis. ScholarGate. https://scholargate.app/zh/psychometrics/bayesian-exploratory-factor-analysis
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 贝叶斯验证性因子分析 (BCFA)心理测量学↔ 比较
- 验证性因子分析（CFA）心理测量学↔ 比较
- 探索性因子分析（EFA）统计学↔ 比较
- 项目反应理论 (IRT)心理测量学↔ 比较