Skip to Main content Skip to Navigation
Conference papers

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.
Complete list of metadatas

Cited literature [5 references]  Display  Hide  Download

https://hal.inria.fr/inria-00494790
Contributor : Conférence Sfds-Hal <>
Submitted on : Thursday, June 24, 2010 - 8:58:46 AM
Last modification on : Thursday, February 6, 2020 - 9:58:14 AM
Long-term archiving on: : Monday, September 27, 2010 - 11:38:39 AM

File

p139.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00494790, version 1

Collections

Citation

Séverine Demeyer, Nicolas Fischer, Gilbert Saporta. Approche bayésienne des modèles à équations structurelles. 42èmes Journées de Statistique, 2010, Marseille, France, France. ⟨inria-00494790⟩

Share

Metrics

Record views

277

Files downloads

642