Approche bayésienne des modèles à équations structurelles - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2010

Approche bayésienne des modèles à équations structurelles

Résumé

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
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

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

Identifiants

  • HAL Id : inria-00494790 , version 1

Citer

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 Consultations
246 Téléchargements

Partager

Gmail Facebook X LinkedIn More