發(fā)布時(shí)間：2017-10-16 07:20

  本文關(guān)鍵詞：當(dāng)結(jié)構(gòu)假設(shè)和分布假設(shè)不滿足時(shí)的驗(yàn)證性因子分析:穩(wěn)健極大似然估計(jì)和貝葉斯估計(jì)的比較研究（英文）

  更多相關(guān)文章： 驗(yàn)證性因素分析 極大似然估計(jì) 貝葉斯估計(jì)

【摘要】：結(jié)構(gòu)方程模型已被廣泛應(yīng)用于心理學(xué)、教育學(xué)、以及社會(huì)科學(xué)領(lǐng)域的統(tǒng)計(jì)分析中。結(jié)構(gòu)方程模型分析中最常用的估計(jì)方法是基于正態(tài)分布的估計(jì)量,比如極大似然估計(jì)法。這些方法需要滿足兩個(gè)假設(shè)。第一,理論模型必須正確地反映變量與變量之間的關(guān)系,稱為結(jié)構(gòu)假設(shè)。第二,數(shù)據(jù)必須符合多元正態(tài)分布,稱為分布假設(shè)。如果這些假設(shè)不滿足,基于正態(tài)分布的估計(jì)量就有可能導(dǎo)致不正確的卡方指數(shù)、不正確的擬合度、以及有偏差的參數(shù)估計(jì)和參數(shù)估計(jì)的標(biāo)準(zhǔn)誤。在實(shí)際應(yīng)用中,幾乎所有的理論模型都不能準(zhǔn)確地解釋變量與變量之間的關(guān)系,數(shù)據(jù)也常常呈非多元正態(tài)分布。為此,一些新的估計(jì)方法得以發(fā)展。這些方法要么在理論上不要求數(shù)據(jù)呈多元正態(tài)分布,要么對(duì)因數(shù)據(jù)呈非正態(tài)分布而導(dǎo)致的不正確結(jié)果進(jìn)行糾正。當(dāng)前較為流行的兩種方法是穩(wěn)健極大似然估計(jì)和貝葉斯估計(jì)。穩(wěn)健極大似然估計(jì)是應(yīng)用Satorra and Bentler(1994)的方法對(duì)不正確的卡方指數(shù)和參數(shù)估計(jì)的標(biāo)準(zhǔn)誤進(jìn)行調(diào)整,而參數(shù)估計(jì)和用極大似然方法得出的完全等同。貝葉斯估計(jì)方法則是基于貝葉斯定理,其要點(diǎn)是:參數(shù)的后驗(yàn)分布是由參數(shù)的先驗(yàn)分布和數(shù)據(jù)似然值相乘而得來。后驗(yàn)分布常用馬爾科夫蒙特卡洛算法來進(jìn)行模擬。對(duì)于穩(wěn)健極大似然估計(jì)和貝葉斯估計(jì)這兩種方法之間的優(yōu)劣比較,先前的研究只局限于理論模型是正確的情境。而本研究則著重于理論模型是錯(cuò)誤的情境,同時(shí)也考慮到數(shù)據(jù)呈非正態(tài)分布的情境。本研究所采用的模型是驗(yàn)證性因子模型,數(shù)據(jù)全部由計(jì)算機(jī)模擬而來。數(shù)據(jù)的生成取決于三個(gè)因素:8類因子結(jié)構(gòu),3種變量分布,和3組樣本量。這三個(gè)因素產(chǎn)生72個(gè)模擬條件(72=8x3x3)。每個(gè)模擬條件下生成2000個(gè)數(shù)據(jù)組,每個(gè)數(shù)據(jù)組都擬合兩個(gè)模型,一個(gè)是正確模型、一個(gè)是錯(cuò)誤模型。每個(gè)模型都用兩種估計(jì)方法來擬合:穩(wěn)健極大似然估計(jì)法和貝葉斯估計(jì)方法。貝葉斯估計(jì)方法中所使用的先驗(yàn)分布是無信息先驗(yàn)分布。結(jié)果分析主要著重于模型拒絕率、擬合度、參數(shù)估計(jì)、和參數(shù)估計(jì)的標(biāo)準(zhǔn)誤。研究的結(jié)果表明:在樣本量充足的情況下,兩種方法得出的參數(shù)估計(jì)非常相似。當(dāng)數(shù)據(jù)呈非正態(tài)分布時(shí),貝葉斯估計(jì)法比穩(wěn)健極大似然估計(jì)法更好地拒絕錯(cuò)誤模型。但是,當(dāng)樣本量不足且數(shù)據(jù)呈正態(tài)分布時(shí),貝葉斯估計(jì)在拒絕錯(cuò)誤模型和參數(shù)估計(jì)上幾乎沒有優(yōu)勢(shì),甚至在一些條件下,比穩(wěn)健極大似然法要差。
【作者單位】： 美國阿肯色大學(xué);美國佛羅里達(dá)州立大學(xué);
【關(guān)鍵詞】： 驗(yàn)證性因素分析 極大似然估計(jì) 貝葉斯估計(jì)
【分類號(hào)】：B841.2
【正文快照】： Structural equation modeling(SEM)has becomemisspecified and produces model-data misfit.For normal-increasingly popular in psychological research.It allowstheory-based estimators such as maximum likelihoodresearchers to investigate complex relationships a

【相似文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王韜;基于貝葉斯網(wǎng)絡(luò)的###動(dòng)車組牽引傳動(dòng)系統(tǒng)可靠性分析[D];西南交通大學(xué);2015年

2 胡斌;基于壓縮感知的DOA估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

3 周名鋒;基于MCMC的進(jìn)展多狀態(tài)模型的貝葉斯估計(jì)[D];大連理工大學(xué);2015年

4 張博;基于貝葉斯壓縮感知理論與技術(shù)研究[D];電子科技大學(xué);2015年

5 盧麗;基于非參數(shù)檢驗(yàn)和貝葉斯估計(jì)的TWA檢測(cè)算法研究[D];東北大學(xué);2013年

6 袁德璋;基于貝葉斯網(wǎng)絡(luò)人體摔倒預(yù)測(cè)的研究[D];哈爾濱工業(yè)大學(xué);2014年

7 段仁青;基于遞歸算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[D];西安電子科技大學(xué);2014年

8 崔歡歡;基于量子貝葉斯網(wǎng)絡(luò)的電力變壓器故障診斷方法研究[D];華北電力大學(xué);2015年

9 楊帆;廣義Logistic模型的貝葉斯參數(shù)估計(jì)[D];吉林大學(xué);2016年

10 李小華;結(jié)構(gòu)參數(shù)識(shí)別的貝葉斯估計(jì)方法及應(yīng)用研究[D];中國地震局工程力學(xué)研究所;2009年

，

本文編號(hào)：1041357