一般非线性结构方程模型的贝叶斯因子的计算

主要考虑非线性结构方程模型的模型选择问题,提出了用路径抽样对测量方程和结构方程均可为非线性的一般非线性结构方程模型计算贝叶斯因子,从而进行模型选择的方法,并以模拟例子说明如何用Win-BUGS软件来实现.

动力荷载下结构非线性概率模型参数估计及失效概率预测

文章提出基于贝叶斯推理的结构非线性概率模型参数估计方法,结合非线性参数的后验概率分布估计结果,实现结构在动力荷载作用下的失效概率预测。利用结构实测加速度响应作为输入,构建贝叶斯推理的似然函数,采用过渡马尔可夫蒙特卡洛(transitional Markov chain Monte Carlo,TMCMC)算法估计非线性概率模型参数的后验概率分布。当模型参数的后验概率分布被计算之后,利用更新后的参数后验概率分布作为输入,通过随机抽样算法预测结构在动力荷载作用下的失效概率。为验证方法的可行性,对地震荷载作用下的5层钢框架结构进行数值模拟,通过钢框架结构的缩尺振动台试验进一步验证该方法的有效性。研究结果表明:该方法能够准确实现非线性模型参数的后验概率密度计算,能够对结构在地震荷载下的失效概率进行有效预测。

结构方程模型中隐变量非线性效应的分析建模

目的:探讨隐变量非线性效应分析的建模方法及其在SAS软件上的实现。方法:阐述隐变量非线性效应建模的原理,通过拟合一个非线性效应分析示例,对加入非线性项的统计分析结果与无非线性项的统计分析结果进行对比。结果:示例中非线性项引起的变异在结果变量的总变异占到63.99%。结论:在应用结构方程模型分析隐变量产生的效应时,有时候不进行隐变量非线性效应的分析可能会产生偏倚。

有限混合非线性结构方程模型的参数估计

针对数据不同质现象的广泛存在,将非线性结构方程模型推广到有限混合非线性结构方程模型,用EM算法进行估计,E步引入Gibbs抽样及MH算法,M则采用条件极大的方法。最后,对收敛条件及误差进行估计。

OpenBUGS处理结构方程模型贝叶斯分析在SAS宏程序中的实现

贝叶斯方法计算后验分布函数常常是复杂的、高维的,甚至是非标准形式的,其积分计算十分困难[1-2]。譬如,在行为学、社会学、心理学和医学中,许多潜变量模型需要用到结构方程模型,而结构方程模型的应用,常常含有高纬复杂的模型,不能显示表达其分布[3],直接估计困难,可用贝叶斯估计方法,特别是GIBBS抽样方法和MCMC(Markov Chain Monte Carlo)估计方法[4-5]。MCMC方法可解决此类问题[6-7],其实现由专业软件WINBUGS[8]或OpenBUGS[9]完成。GIBBS抽样是构建马尔科夫链最流行的MCMC方法[10-11],其计算工作量较大,对计算机软硬件有较高要求。

锯齿形结构面剪切流变及非线性本构模型分析

为了对岩体结构面的蠕变和松弛特性进行比较分析,用水泥砂浆浇筑成不同角度的结构面试样,在岩石双轴流变试验机上对同一应力起点的规则齿形结构面进行剪切应蠕变试验和松弛试验.首先分析了的蠕变与松弛特性,其次对参数非线性流变本构模型的建立和求解进行探讨,最后采用参数非线性流变方程对试验曲线进行拟合.试验结果表明:结构面剪切蠕变曲线和松弛曲线都可以分为瞬时、衰减和稳定3个阶段;基于能量理论分析蠕变和松弛过程,显示蠕变是能量的注入与耗散过程,而松弛主要是能量的耗散过程;建立非线性流变模型时,应采用流变力学模型理论推导其本构方程;积分法与Laplace变换法求解蠕变方程或松弛方程时,相应的初始条件不相同;考虑黏性系数是与时间相关的非定常参数,提出了参数非线性Maxwell模型的蠕变方程和松弛方程,与试验曲线拟合结果比较理想;蠕变方程和松弛方程的拟合参数值不同,表明蠕变与松弛不等价且不能相互置换.

两水平结构方程模型的贝叶斯模型选择

文章简要介绍两水平结构方程模型的构造以及模型选择问题,讨论基于贝叶斯准则的模型选择方法以及贝叶斯因子方法在两水平结构方程模型中的应用。通过模拟研究将两种模型选择方法进行比较,证明了两种方法在进行模型选择时均可得出较好结论,而基于贝叶斯准则的模型选择方法更具有计算简单的优越性。

具非线性传染率染病年龄结构SIR流行病模型渐近分析

研究了一类具非线性传染率染病年龄结构SIR流行病传播的数学模型的动力学性态,得到了疾病绝灭和持续生存的阈值条件———基本再生数.当基本再生数小于或等于1时,仅存在无病平衡点,且在其小于1的情况下,无病平衡点全局渐近稳定,疾病将逐渐消除;当基本再生数大于1时,存在不稳定的无病平衡点和唯一的局部渐近稳定的地方病平衡点,疾病将持续存在.本文的结论包含了相应常微分方程模型已有的相关结论.

非线性贝叶斯动态模型及其随机模拟算法

一、引言非线性贝叶斯动态模型定义为 观测方程：zk=hk（xk，nk） 状态方程：xk=fk（xk-1，vk-1） 初始先验：（x0｜D0） 其中，观测方程描述观测值（或向量）如何随参数变化，状态方程描述参数如何随时间变化。

中国共享经济活跃度测度研究——基于贝叶斯结构方程模型

本文采用贝叶斯估计MIMIC结构方程模型,依据国内外文献中涉及到的变量构建指标体系,对我国共享经济活跃度进行测度,得出以下结论:(1)影响共享经济活跃度的五项原因变量按照重要程度排序为互联网基础、社会发展、网络经济、创新活力和技术产出;(2)各因素中对活跃度影响最大的变量分别是移动互联网用户数、15岁以上非文盲人口占比、共享经济交易额、网络支付交易金额以及发明专利申请授权量;(3)在2015—2019年,共享经济活跃值保持逐年递增趋势,而在2020—2021年,受疫情影响,共享经济市场的活跃度较疫情前有所降低。

一类非线性动态模型的贝叶斯随机模拟

对一类非线性动态模型进行了随机模拟 ,利用Metropolis算法完成了样本的修正递推 ,并对模型进行各种预测和推断 ;

基于模块化贝叶斯推理的随机非线性模型修正

为同时考虑多种不确定因素对非线性结构模型修正的影响,提出了一种基于模块化贝叶斯推理的随机非线性模型修正方法。为了描述具有时变特性的非线性动力响应,提取结构动力响应主分量的瞬时加速度幅值作为非线性指标,基于贝叶斯方法,将整个模型修正过程分为3个相互独立的模块:首先建立非线性模型的高斯过程替代模型记为模块一;同时,为考虑模型误差对非线性结构随机模型修正的影响,将设计变量作为输入,模型误差作为输出,建立关于模型误差的高斯过程替代模型,记为模块二;最后,结合贝叶斯推理方法与模块一和模块二中的高斯过程模型,利用过渡马尔可夫链蒙特卡罗(transitional Markov Chain Monte Carlo,TMCMC)随机采样方法估计待修正参数后验概率密度函数,实现基于模块化贝叶斯推理的随机非线性模型修正研究。采用三跨连续梁桥数值算例来验证所提出的随机非线性模型修正方法的准确性,并对比了不同噪声水平、不同程度模型误差条件下的模型修正结果。研究结果表明,基于模块化贝叶斯推理的随机非线性模型修正方法能够有效地实现非线性结构的随机模型修正,并具有较好的鲁棒性。

基于结构贝叶斯方程模型的航空维修差错人为因素分析

目的研究人为因素和对应航空维修差错原因的耦合关系,有效评估维修差错人为因素的相对影响,有重点的指导维修差错的管控。方法结合专家知识和对维修人员的调查建立数据集和航空维修差错人为因素路径图,构建了结构贝叶斯方程模型用于航空维修差错人为因素分析。结果通过结构方程模型求解和贝叶斯估计能够得出人为因素和对应航空维修差错原因的因子载荷,从而对其进行重要度分析,有针对性的进行维修人为因素管理和航空维修差错原因管控。结论对某航空公司进行实例分析得出,该模型能够得到较为准确的航空维修差错人为因素分析结果,得到主要的维修人为因素和对应的航空维修差错原因,从而在节约管理资源的基础上减少人为因素导致的维修差错。

贝叶斯结构方程模型及其研究现状

在心理学研究中结构方程模型(Structural Equation Modeling,SEM)被广泛用于检验潜变量间的因果效应,其估计方法有频率学方法(如,极大似然估计)和贝叶斯方法两类。近年来由于贝叶斯统计的流行及其在结构方程建模中易于处理小样本、缺失数据及复杂模型等方面的优势,贝叶斯结构方程模型发展迅速,但其在国内心理学领域的应用不足。主要介绍了贝叶斯结构方程模型的方法基础和优良特性,及几类常用的贝叶斯结构方程模型及其应用现状,旨在为应用研究者介绍新的研究工具。

基于贝叶斯结构方程模型的疲劳驾驶行为意图研究

为了深入探究影响驾驶员疲劳驾驶行为意图的心理因素,提高道路安全性,在计划行为理论的基础上,新增行为经验解释变量,形成扩展计划行为理论(Ex-TPB),构建了基于Ex-TPB的疲劳驾驶行为意图心理影响因素贝叶斯结构方程模型(Bayesian-SEM),并对比了传统结构方程模型(Traditional-SEM)与Bayesian-SEM的参数估计结果。最后,为有效防范疲劳驾驶行为提出了建议。结果表明:Ex-TPB可以有效解释和预测疲劳驾驶行为意图;在小样本的条件下Bayesian-SEM与Traditional-SEM相比,能得到更好的结果;对疲劳驾驶行为意图影响最大的因素为知觉行为控制,最小的是行为经验,且4种因素都显著正向影响疲劳驾驶行为意图。

贝叶斯结构方程模型的原理及应用

贝叶斯结构方程模型同时兼容了结构方程模型考虑测量误差以及贝叶斯估计方法可以整合先验信息的优点,在处理传统的结构方程模型针对交叉载荷参数、残差协方差元素严格限制为0等假设时具有一定的优势,且更易处理小样本和复杂模型的情况。但该方法在国内心理学领域的应用仍相对较少。本文主要介绍贝叶斯结构方程模型的原理、先验设置、模型收敛判断和模型评估等问题,并以具体示例展示如何在Mplus软件中使用该模型处理交叉载荷的问题,希望可以帮助更多研究者认识和了解贝叶斯结构方程模型,并使用该模型解决一些实际的研究问题。

基于贝叶斯结构方程模型的城际铁路客运需求影响因素分析

作为城市群区域间的连接纽带,城际铁路是社会经济快速发展的基础。研究城际铁路客运需求的影响机理,对于掌握城际铁路客运量分布特征和变化规律具有十分重要的现实意义。通过分析城际铁路客运需求的相关影响因素及相互作用关系,建立基于贝叶斯参数估计的结构方程模型。以长三角与珠三角地区城市群为案例,分析交通运输设施、运输成本以及经济状况等潜在变量对城际铁路客运需求的影响。结果显示,在直接影响层面,经济状况对两地区城际铁路客运需求影响最为显著,而在综合影响层面,交通运输设施对城际铁路客运需求的影响最为显著。

结构方程模型及其在心理统计中的应用

结构方程模型是心理统计学中用来探讨多变量之间关系的一种重要统计方法。结构方程模型的优势表现为:能够判断模型拟合程度的测量、预先假定变量间因果关系、包含潜在变量、处理测量误差、进行模型整体评价、探讨系统内多个变量间关系、模型构建等。为了符合心理学研究抽样调查较多的实际情况,并且在小样本情况下能得到更稳健的结果,结构方程模型的贝叶斯方法使用先验信息,能得到更准确的参数估计、潜在变量估计以及用于模型比较的统计量。在心理学研究的应用过程中应注意结构方程模型的前提假设、自由度和拟合指数等问题。

结构方程模型的研究进展

结构方程模型（StructuralEquationModel，SEM）是一种用来分析多个指标变量间错综复杂关系结构的多元统计分析方法，它为研究者用于量化与理论检验提供了一种包罗万象的方法。与传统的统计分析相比，SEM具有以下优点：（1）可分析和研究多个项目的相瓦依赖关系；（2）允许项目有误差并可将测量误差抽离出来；（3）一个项目可同时分属于不同因素，并可设定因素的负荷量；