.png){kind=icon}
返回
Regularized Matrix Decomposition Structural Equation Modeling
.png){kind=icon}
OA
AI
DOI：10.1080/10705511.2026.2664037.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
矩阵分解结构方程模型（MDSEM）为传统SEM程序提供了一种基于数据矩阵的替代方法。MDSEM被证明对潜在变量间的多重共线性极为敏感，常常导致参数估计出现偏差和不稳定。本研究提出了正则化矩阵分解结构方程模型（RMDSEM），作为MDSEM的扩展，引入了明确的L2正则化。RMDSEM通过正则化路径系数矩阵来解决多重共线性问题，同时保留了矩阵分解框架。推导了迭代估计算法以及用于调整多个正则化参数的K折交叉验证程序。模拟结果表明，在中等至强多重共线性条件下，MDSEM和最大似然SEM会产生放大的偏差和标准误差，而RMDSEM能够实现稳定估计，并显著降低均方误差。实证应用进一步表明，RMDSEM能够抑制不合理估计，并得到可解释的结构关系。
Keyword:
Covariance structure analysis
matrix decomposition
multicollinearity
regularization
structural equation modeling
期刊
S
IF:
0
论文数:
22
被引数:
0
机构
引用论文
分享收藏Some Mathematical Properties of the Matrix Decomposition Solution in Factor Analysis因子分析中矩阵分解解的一些数学性质
OAAI
OAAI分享收藏分享收藏Exploratory Procedure for Component-Based Structural Equation Modeling for Simple Structure by Simultaneous Rotation基于组件结构方程模型简单结构的探索性程序及同步旋转方法.png)
IF0
PREAI
分享收藏
查看更多内容