用Blavaan与桥接采样为结构方程模型计算贝叶斯因子

贝叶斯因子提供了一种分级化的统计证据度量，在实验心理学中日益流行。然而，在结构方程模型（SEM）领域，计算和概念上的挑战阻碍了贝叶斯因子更广泛的采用。我们提出了一套实用的贝叶斯因子工作流程，使用桥接采样来估计标准 SEM 语法所指定模型的边际似然。该流程从基于最大似然拟合得到的单位信息（UI）先验出发，提供了 BIC 的贝叶斯类比。随后，我们展示了针对焦点结构关系的定向先验变体如何可能改变并常常锐化证据，尤其是在考虑方向性信息时。一项模拟研究表明，桥接采样的 UI 贝叶斯因子与 BIC 近似密切吻合，并且正确的方向性先验信息大幅增加了对数据生成模型的支持。我们使用一个实证数据集来展示两个具体扩展，即（a）稳健混合先验，以及（b）贝叶斯模型平均。模型平均在结构不同的模型之间以及模型参数的不同先验分布之间进行整合。所提出的贝叶斯因子工作流程旨在使 SEM 中的贝叶斯模型比较变得可行、透明且可扩展。

中文由 AI 翻译，仅供参考，以原文为准。