贝叶斯结构方程模型及其研究现状

发布时间：2022-02-22 00:00

　　在心理学研究中结构方程模型被广泛用于检验潜变量间的关系,其估计方法有频率学方法（如,极大似然估计）和贝叶斯方法两类。而传统的频率学派方法对模型施加的限制往往过于严格,这种限制在大样本情况下很容易拒绝实际上和数据拟合良好的模型。在传统方法中为了解决这种限制带来的问题,研究者通常会结合理论和修正指数的建议,在模型中增加交叉载荷或残差相关。但是这种基于修正指数的方法很容易受到研究者主观选择的影响,容易导致一类错误率的增大和模型的过拟合,削弱其泛化能力。贝叶斯结构方程模型通过结合先验信息可以较好地解决上述问题,此外,在模型识别和拟合、参数估计、处理复杂模型和小样本情况等方面贝叶斯方法都有着更好的表现,能够更好地满足应用研究者在实证研究中的需求,但其在国内心理学领域的应用不足。本文将详细介绍贝叶斯结构方程建模的原理和优势,并通过实例分析与传统估计方法进行深入对比,展示贝叶斯建模的分析步骤和评价标准,希望能够为大家带来新的结构方程建模思路,解决采用传统方法建模时难以克服的问题。 

【文章来源】：第二十二届全国心理学学术会议摘要集中国心理学会会议论文集

【文章页数】：1 页


本文编号：3638283