Nathaniel Forde 的帖子
心理测量学中的验证性因子分析和结构方程模型
- 2024年9月24日
“显然，相关性和依赖性的概念比附加于概率判断的数值更基本于人类推理……用于表示概率信息的语言应允许定性、直接和明确地表达关于依赖关系的主张” - Pearl，《智能系统中的概率推理》 Pearl [1985]
贝叶斯非参数因果推断
- 2024年1月24日
很少有比断言因果关系更强的说法，也很少有比这更具争议的说法。一个天真的世界模型——充满了脆弱的联系和不合逻辑的推论，是阴谋论和愚蠢的特征。另一方面，对因果关系进行精确而详细的了解，其特点是明确的期望、合理的联系和引人注目的反事实，将引导您顺利度过这个喧嚣而又蓬勃发展的混乱世界。
有序分类结果的回归模型
- 2023年4月24日
与许多统计学领域一样，调查数据的语言也带有过载的词汇。在讨论调查设计时，您经常会听到关于基于设计和基于模型的方法之间在 (i) 抽样策略和 (ii) 对相关数据进行统计推断方面的对比。我们不会深入探讨不同抽样策略的细节，例如：简单随机抽样、整群随机抽样或使用人口加权方案的分层随机抽样。关于这些策略的文献浩如烟海，但在此笔记本中，我们将讨论何时以及为什么将模型驱动的统计推断应用于李克特量表调查响应数据和其他类型的有序分类数据是有用的。
变化的纵向模型
- 2023年4月24日
对变化的研究涉及同时分析个体变化轨迹，并对所研究的个体集合进行抽象，以提取关于所讨论的变化性质的更广泛的见解。因此，很容易只见树木不见森林。在本例中，我们将演示使用分层贝叶斯模型研究个体群体内部变化的一些微妙之处——从个体内部的视角转变为个体之间/跨个体的视角。
使用结构性 AR 时间序列进行预测
- 2022年10月20日
贝叶斯结构时间序列模型是了解任何观察到的时间序列数据中固有结构的一种有趣方法。它还使我们能够向前投影隐含的预测分布，从而为我们提供关于预测问题的另一种视角。我们可以将迄今为止观察到的时间序列数据的学习特征视为对同一指标未实现的未来状态结构的信息。