Approche bayésienne des modèles à équations structurelles - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2010

Approche bayésienne des modèles à équations structurelles

Abstract

Les modèles à équations structurelles (SEMs) sont des modèles multivariés à variables latentes utilisés pour modéliser les structures de causalité dans les données. Une approche bayésienne d'estimation et de validation des modèles SEMs est proposée et l'identifiabilité des paramètres est étudiée. Cette étude montre qu'une étape de réduction des variables latentes au sein de l'algorithme de Gibbs permet de garantir l'identifiabilité des paramètres. Cette heuristique permet en fait d'introduire les contraintes d'identifiabilité dans l'analyse. Pour illustrer ce point, les contraintes d'identifiabilité sont calculées dans une application en marketing, dans laquelle les distributions des contraintes sont obtenues par combinaison des tirages a posteriori des paramètres.
Fichier principal
Vignette du fichier
p139.pdf (169.83 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

inria-00494790 , version 1 (24-06-2010)

Identifiers

  • HAL Id : inria-00494790 , version 1

Cite

Séverine Demeyer, Nicolas Fischer, Gilbert Saporta. Approche bayésienne des modèles à équations structurelles. 42èmes Journées de Statistique, Société française de statistiques, May 2010, Marseille, France. ⟨inria-00494790⟩
144 View
246 Download

Share

Gmail Facebook X LinkedIn More