巴特利特法-统计

巴特利特法(Bartlett method),又称“Bartlett 法”,指通过加权最小二乘法得到的因子载荷矩阵和观测变量的值来估计因子得分的方法。

汤姆孙法-统计

汤姆孙法(Thomson method),又称“Thomson 法”,指通过计算标准化观测变量与特征向量的线性组合来估计因子得分的方法。

因子得分-统计

因子得分(factor score),指每个个体或者观测单位在潜在因子上的得分。

个性方差-统计

个性方差(specific variance),又称“特殊方差(unique variance)”,指观测变量中与潜在因子无关的部分方差,即观测变量中不能被潜在因子解释的方差。

共性方差-统计

共性方差(communality),又称“共同度”,指观测变量中与潜在因子相关的部分方差,即观测变量中能被潜在因子解释的部分。

正交因子模型-统计

正交因子模型(orthogonal factor model),指假设潜在因子之间相互正交(相互独立)的一种探索性因子分析方法,旨在简化因子结构以提高模型的解释度。

因子载荷-统计

因子载荷(factor loading),又称“因子负荷”,指某个观测变量与对应的因子间的相关系数,取值范围一般在-1 到+1 之间。其绝对值越大,表示该观测变量与对应的因子高度相关。

特殊因子-统计

特殊因子(specific factor),又称“误差因子”、“个性因子”,指与某个特定观测变量相关的、无法被公共因子解释的变异部分。反映观测变量中独特的、独立于公共因子的部分,通常包括测量误差和变量特有的变异。

公共因子-统计

公共因子(common factor),简称“因子”,又称“共性因子”,指从一组观测变量中提取出的、能够解释这些变量之间共同变异的潜在变量。反映观测变量背后的共同维度或潜在结构,是因子分析的核心概念之一。

探索性因子分析-统计

探索性因子分析(exploratory factor analysis,EFA),简称“因子分析”,指一种多变量统计方法,旨在从一组观测变量中探索并提取出潜在的、不可直接测量的因子,以揭示观测变量之间的内在结构关系。通常在研究者对数据结构缺乏明确理论假设时使用。 ...

因子分析-统计

因子分析(factor analysis, FA),指一种多变量统计方法,旨在从一组观测变量中提取出少数几个潜在的、不可直接测量的因子,以揭示观测变量之间的内在结构关系。

外生变量-统计

外生变量(exogenous variable),指模型中不受其他变量影响的独立变量,通常是指模型的输入变量。包括外生显变量和外生潜变量。

内生变量-统计

内生变量(endogenous variable),指模型中被其他变量影响的需要解释的变量,通常是研究者感兴趣的输出变量。包括内生显变量和内生潜变量。

潜变量-统计

潜变量(latent variable),又称“潜在变量、隐变量(hidden variable)”,指不能直接测量,而需要通过测量多个相关显变量去推测的变量。

显变量-统计

显变量(manifest variable),指可以直接观测或度量的变量。

测量模型-统计

测量模型(measurement model),指用于描述潜在变量与观测变量之间关系的数学模型。它是结构方程模型的两大核心组成部分之一,主要用于验证潜在变量是否能够通过观测变量有效测量。

结构方程模型-统计

结构方程模型(structural equation model, SEM),指一种融合因子分析与路径分析的多元统计方法,用于检验观测变量与潜在变量之间、以及潜在变量彼此之间的复杂关系。其核心特点是能够同时处理测量工具与构念的关系和构念间的因果关系。 ...

共同成分模型-统计

共同成分模型(shared component model),指将每种疾病的潜在风险划分为共同成分和特定疾病成分,通过空间聚类模型对各成分同时建模,并进行贝叶斯估计获得模型参数的一类空间统计建模方法,常用于对两种或两种以上疾病进行联合空间分析。 ...

贝萨戈-约克-莫利模型-统计

贝萨戈-约克-莫利模型(Besag-York-Molliè model),简称“BYM 模型”,指将空间结构化效应与非结构化效应均纳入模型的一种贝叶斯空间统计学方法,主要用于空间面板数据。

贝叶斯空间模型-统计

贝叶斯空间模型(Bayesian spatial model),指基于贝叶斯层次模型对空间数据进行建模的统计学方法。
12345678910... 42下一页