结构方程模型与贝叶斯网络在因果推断中的集成：关于个人积极青年发展的一个案例研究
统计方法学
2024-07-29 v1
摘要
在本研究中，重新审视了结构方程模型（SEM）和贝叶斯网络建模（BNM）在因果推断分析中的结合使用。该视角突出了支持将 BNM 用作探索性阶段甚至作为结构模型定义的唯一阶段的倡导者，以及 those 主张 SEM 在探索性分析中更为优越的替代方案之间的论争。虽然认识到 SEM 和 BNM 各自的优势与局限性，但本次探索评估了将 SEM 强大的结构推断能力与 BNM 提供的动态概率建模之间的论争。 presented 一个关于 \citet{balaguer_2022} 在个人积极青年发展（PYD）作为正面教育（PP）和对校园气候与功能感知（CFS） perception 的函数中的工作的案例研究。该论文最终对探索性因果分析中 SEM 的分析优势明确立场，同时承认 BNM 在后续阶段的潜力。
引用
@article{arxiv.2407.18612,
title = {Integration of Structural Equation Modeling and Bayesian Networks in the Context of Causal Inference: A Case Study on Personal Positive Youth Development},
author = {Edgar Benitez and Alvaro Balaguer},
journal= {arXiv preprint arXiv:2407.18612},
year = {2024}
}
备注
38 pages, 9 figures, 2 tables