PofoliaPofolia ile paylaşıldı

Journal of Educational and Behavioral Statistics· 2026Q1

Keşifsel Madde Faktör Analizi için Seyrek Bayes Ortak Modal Tahmini

Sparse Bayesian Joint Modal Estimation for Exploratory Item Factor Analysis

Keiichiro Hijikata, Motonori Oka, Kensuke Okada

Kısa özet

Yeni bir ölçeklenebilir Bayes algoritması olan Sparse BJME, büyük veri kümelerinde bile keşifsel madde faktör analizinde faktör yüklerini verimli ve doğru bir şekilde tahmin eder ve ilgili değişkenleri seçer.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Keşifsel madde faktör analizi için ölçeklenebilir bir Bayes algoritması olan Sparse BJME'yi tanıtır.
  • BJME, tam veri ortak sonsal yoğunluğunu maksimize ederek model parametrelerini ve faktör puanlarını ortaklaşa tahmin eder.
  • Algoritma ölçeklenebilirlik için alternatif bir optimizasyon şeması kullanır.
  • Simülasyon çalışmaları, değişken seçimi ve parametre kurtarmada yüksek hesaplama verimliliği ve doğruluk gösterir.
  • Yorumlanabilir faktör yüklerini çıkaran büyük ölçekli bir psikolojik değerlendirme veri kümesine başarıyla uygulanmıştır.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

This study presents a scalable Bayesian estimation algorithm for sparse estimation in exploratory item factor analysis based on a classical Bayesian estimation method, namely Bayesian joint modal estimation (BJME). BJME jointly estimates the model parameters and factor scores by maximizing the complete-data joint posterior density. The proposed algorithm achieves scalability through an alternating optimization scheme that iteratively updates the model parameters and factor scores. Simulation studies show that the proposed algorithm has high computational efficiency and high accuracy in variable selection over latent factors and parameter recovery. Moreover, we provide a real data analysis using a large-scale dataset from a psychological assessment of the Big Five personality traits. The results indicate that the proposed algorithm extracts an interpretable factor loading structure in a computationally efficient manner.

Yazarların özeti; kaynağından alınmıştır. Journal of Educational and Behavioral Statistics, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Bilişim Sistemleri

Information SystemsComputer Science