.png){kind=icon}
返回
Bayesian Factor Analysis as a Variable-Selection Problem: Alternative Priors and Consequences
.png){kind=icon}
OA
AI
DOI：10.1080/00273171.2016.1168279.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
因子分析是一种流行的多元数据分析统计技术。结构方程建模框架的发展使得可以使用混合的验证性/探索性方法，其中可以在验证性因素分析 (CFA) 框架内相对灵活地探索因素负荷结构。最近，Muthen & Asparouhov提出了一种贝叶斯结构方程模型 (BSEM) 方法来探索CFA模型中交叉载荷的存在。我们证明，确定因子加载模式的问题可以表述为贝叶斯变量选择问题，其中Muthen和Asparouhov的方法可以视为具有岭回归先验 (BSEM-RP) 的BSEM方法。我们提出了另一种贝叶斯方法，在此表示为具有尖峰和平板先验的贝叶斯结构方程建模 (bsem-ssp)，它是bsem-rp的一阶段替代方案。我们回顾了两种方法的理论优缺点，并比较了它们相对于两种基于修正指数的方法和具有目标轮换的探索性因子分析的经验表现。教师压力量表数据集用于演示我们的方法。
Keyword:
Factor analysis
Bayesian structural equation modeling
variable selection
Markov chain Monte Carlo algorithms
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
M
IF:
3.5
论文数:
1.8K
被引数:
9.4K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容