In this study Bayesian Estimation Method, which is one of the most common methods of structural equation models in recent years for using parameter estimation, were discussed. In compliance with the flexibility of Baesian approaches, the usage of Markov Chain Monte Carlo methods were considered for structural equation models and hidden variables. Gibbs sampling algorithm is a special method of MCMC methods, which can provide a sample for each parameter in model by using conditional distribution, with a view to obtain the desired variable from combined conditional posterior distribution. The sampling process of Gibbs sampling method by using posterior common distributive functions for unknown parameters and hidden variables were discussed.
Bu çalışmada, son yıllarda Yapısal Eşitlik Modellerin (YEM) parametre tahmin edilmesinde kullanımı yaygınlaşan yöntemlerinden bir olan Bayes tahminleme yöntemi ele alınmıştır. Bayesci yaklaşımların kullanımındaki esnekliğe uygun olarak YEM parametre değerleri ve gizli değişkenler için Markov Zinciri Monte Carlo (MCMC) yöntemleri kullanımı üzerine durulmuştur. MCMC yöntemlerinden Gibbs Örnekleme algoritması birleşik koşullu sonsal dağılımdan istenen örneklemi elde etmek amacıyla, modelde yer alan her bir parametre için koşullu dağılımı kullanarak örneklem çeken bir yöntemdir Gibbs örnekleme yönteminin bilinmeyen parametreler ve gizli değişkenler için sonsal ortak dağılış fonksiyonlarından örrnek oluşturma aşaması ayrıntılı olarak ele alınmıştır.
Birincil Dil | Türkçe |
---|---|
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 1 Haziran 2013 |
Gönderilme Tarihi | 12 Ağustos 2015 |
Yayımlandığı Sayı | Yıl 2013 Cilt: 18 Sayı: 1-2 |