| HAL-Inria | Publications, software ... of Inria's scientists |
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.
Cited literature [5 references]
https://hal.inria.fr/inria-00494790
Contributor : Conférence Sfds-Hal Connect in order to contact the contributor
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
Contributor : Conférence Sfds-Hal Connect in order to contact the contributor
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)