×
保罗·朱迪奇;埃琳娜·斯坦盖里尼

图形因子分析模型的贝叶斯推断。 （英语） Zbl 1293.62132号

心理测量学 66，第4期，577-591（2001）.
小结：我们通过允许残差的浓度矩阵具有非零的非对角元素来推广因子分析模型。由此产生的模型被称为图形因子分析模型。允许关联结构提供了未观察变量未解释的相关性信息，可用于验证性和探索性上下文。我们首先给出了这类具有一般因子数的模型全局可辨识的充分条件，从而将结果推广到[E.斯坦格利尼《生物统计学》84，第1期，241-244页（1997年；Zbl 0883.62061号);P.维卡德同上，87，第1号，199-205（2000年；兹比尔0974.62051)]. 然后，我们考虑模型比较的问题，并表明如果残差上的条件独立图被限制为可分解，并且采用贝叶斯方法，则可以为此目的进行快速局部计算。为了达到这个目的，我们提出了一种新的可逆跳跃MCMC方法来近似所考虑模型的后验概率。然后，我们基于两年内的八项民主指标，研究了75个发展中国家政治民主的演变。

引用于4文件

MSC公司：

62小时25分 因子分析和主成分；对应分析
62C10个 贝叶斯问题；贝叶斯过程的特征
62A09号 统计学中的图形方法
05C90年 图论的应用
65立方厘米 马尔可夫链的数值分析或方法
62第25页 统计学在社会科学中的应用
91英尺10英寸 历史、政治学

关键词：

因子分析;图形高斯模型;识别;模型比较;可逆跳跃MCMC

引文：

Zbl 0883.62061号;Zbl 0974.62051号

软件：

MIM公司
PDF格式BibTeX公司 XML格式引用
\textit{P.Giudici}和\textit{E.Stanghellini}，《心理测量学》66，第4期，577--591（2001；Zbl 1293.62132）
全文： 内政部

参考文献：

[1] Bartholomew，D.J.（1994年）。潜在变量建模中的贝叶斯定理。在P.R.Freeman&amp；A.F.M.Smith（编辑），《不确定性方面：向D.V.Lindley致敬》（第41-50页）。纽约州纽约市：Wiley·Zbl 0839.6202号
[2] Bollen，K.A.（1989年）。具有潜在变量的结构方程。纽约州纽约市：Wiley·Zbl 0731.62159号
[3] Bozdogan，H.和；Shigemasu，K.（1998）。贝叶斯因子分析模型，并使用新的信息复杂性准则选择因子数量。在A.Rizzi、M.Vichi和；H.Bock（编辑），《数据科学和分类进展》（第335-342页）。德国柏林：施普林格·Zbl 1052.62520号
[4] M.W.Browne（1980）。按最大似然法对多个电池进行因子分析。英国数学与统计心理学杂志，33184-199·Zbl 0474.62054号 ·doi:10.1111/j.2044-8317.1980.tb00607.x
[5] 考克斯、D.R.和；Wermuth，N.（1993）。链图表示的线性相关性。统计科学，8204-283·Zbl 0955.62593号 ·doi:10.1214/ss/1177010887
[6] Cox，D.R.和；Wermuth，N.（1994）。线性、多元正态性和线性分数充分性测试。应用统计学，43447-335·兹比尔0825.62490 ·doi:10.2307/2986025
[7] 考克斯、D.R.和；Wermuth，N.（1996年）。多元相关性。模型分析和解释。英国伦敦：查普曼和霍尔·Zbl 0880.62124号
[8] 考克斯、D.R.和；Wermuth，N.（2000年）。三角矩阵的扫描算子及其统计应用（ZUMA研究报告00-04）。德国曼海姆：调查研究和方法中心。
[9] Dawid，A.P.，&；Lauritzen，S.L.（1993）。可分解图形模型统计分析中的超马尔科夫定律。《统计年鉴》，211272-1317·Zbl 0815.62038号 ·doi:10.1214/aos/1176349260
[10] Edwards，D.（1995）。图形建模简介。纽约州纽约市：Springer-Verlag·Zbl 0856.62004号
[11] Edwards，D.（2000年）。图形建模导论（第二版）。纽约州纽约市：Springer-Verlag·Zbl 0952.62003号
[12] Frydenberg，M.和；Lauritzen，S.L.（1989）。混合图形交互模型中的最大似然分解。生物特征，76539–555·Zbl 0677.62053号 ·doi:10.1093/biomet/76.3539
[13] 朱迪奇，P.，&；Green，P.J.（1999）。马尔可夫链蒙特卡罗贝叶斯可分解图形高斯模型的确定。《生物统计学》，84，785–801·Zbl 0940.62019号 ·doi:10.1093/生物技术/86.4785
[14] 格林，P.J.（1995）。可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定。生物特征，82，711–732·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[15] Lauritzen，S.L.（1996）。图形模型。英国牛津：牛津大学出版社·Zbl 0907.62001
[16] Lopes H.和；West，M.（1998）。因子分析中的模型不确定性（ISDS讨论文件98-38）。北卡罗来纳州达勒姆：杜克大学统计与决策科学研究所。
[17] Pearl，J.（1998）。图、因果关系和结构方程模型。社会学方法与研究，27226-284·doi:10.1177/0049124198027002004年
[18] S.J.出版社；Shigemasu，K.（1989）。因子分析中的贝叶斯推断。L.J.Gleser，M.D.Perlman，S.J.出版社；A.R.桑普森（编辑），《概率与统计贡献：纪念英格拉姆·奥尔金的论文》（271–287）。纽约州纽约市：Springer Verlag。
[19] Richardson，S.和；Green，P.J.（1997）。关于成分数目未知的混合物的贝叶斯分析。英国皇家统计学会杂志，B辑，59731-758·Zbl 0891.62020号 ·doi:10.111/1467-9868.00095
[20] Stanghellini，E.（1997）。使用图形高斯规则识别单因素模型。生物统计学，84，241-244·Zbl 0883.62061号 ·doi:10.1093/biomet/84.1.241
[21] Vicard，P.（2000年）。关于具有相关残差的单因素模型的识别。生物统计学，87，199–205·Zbl 0974.62051号 ·doi:10.1093/biomet/87.1.1999
[22] Wright，S.（1923）。路径系数理论：对奈尔斯批评的回应。遗传学，8239–255。
[23] Wright，S.（1934年）。路径系数的方法。《统计年鉴》，5611-215·doi:10.1214/aoms/1177732676
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。