.png){kind=icon}
返回
Functional Structural Equation Modeling with Latent Variables
.png){kind=icon}
OA
AI
DOI：10.1080/10705511.2026.2702102.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
处理结构方程模型（SEMs）中潜变量及其对应指标均为随机曲线的情况存在显著挑战，尤其是在数据稀疏时。我们开发了一种新型函数结构方程模型（FSEMs）家族，将潜变量建模为高斯过程（GPs）。该模型适用于随机曲线的实现被观测到域的稀疏子集的情况。为提取功能参数的平滑估计，我们采用惩罚似然方法，并通过模拟研究和真实数据示例评估所提出模型的性能，表明我们的模型表现良好。
Keyword:
Functional data
gaussian process
latent variables
Monte Carlo expectation-maximization algorithm
structural equation model
期刊
S
IF:
3.2
论文数:
93
被引数:
2.1W
机构
引用论文
暂无论文信息