近年来，结构方程模型的应用越来越广泛，研究者建立和发展了新的模型和统计方法以更精确地分析更加复杂的数据。结构方程模型的贝叶斯方法使用先验信息，得到更准确的参数估计、潜在变量估计以及用于模型比较的统计量，并且在小样本情况下能得到更稳健的结果。
《结构方程模型—贝叶斯方法》概括了本学科的近期发展，并有如下特点：
示范如何使用强大的统计计算工具得到贝叶斯结果；
讨论用于模型比较的贝叶斯因子和偏差信息准则；
涵盖多种复杂的模型；
通过模拟研究以及来自工商管理学、教育学、心理学、公共卫生和社会学的实际数据说明所提出的方法；
通过辅助网页提供的程序代码以及数据集示范免费软件WinBUGS的应用。
《结构方程模型—贝叶斯方法》可作为不同领域（包括统计学、生物统计学、商学、教育学、医学、心理学、公共卫生与社会学等）的教师、学生和研究人员学习统计分析、统计方法的工具书。
译者序
作者简介
序言
第1章 引言
1.1 标准的结构方程模型
1.2 协方差结构分析
1.3 为何需要一本新书?
1.4 本书的目的
1.5 数据集和记号
附录1.1
参考文献
第2章 基本结构方程模型
2.1 引言
2.2 探索性因子分析
2.3 验证性因子分析模型与高阶因子分析模型
译者序
作者简介
序言
第1章 引言
1.1 标准的结构方程模型
1.2 协方差结构分析
1.3 为何需要一本新书?
1.4 本书的目的
1.5 数据集和记号
附录1.1
参考文献
第2章 基本结构方程模型
2.1 引言
2.2 探索性因子分析
2.3 验证性因子分析模型与高阶因子分析模型
2.4 lisrel模型
2.5 bentler-weeks模型
2.6 讨论
参考文献
.第3章 协方差结构分析
3.1 引言
3.2 定义、记号以及初步结果
3.3 协方差结构的广义最小二乘分析
3.4 协方差结构的极大似然分析
3.5 渐近分布自由方法
3.6 迭代过程
附录3.1 矩阵微分
附录3.2 概率论中的若干基础结果
附录3.3 若干结果的证明
参考文献
第4章 结构方程模型的贝叶斯估计
4.1 引言
4.2 结构方程模型贝叶斯分析的基本原理和概念
4.3 验证性因子分析模型的贝叶斯估计
4.4 标准结构方程模型的贝叶斯估计
4.5 通过winbugs进行贝叶斯估计
附录4.1 metropolis-hastings算法
附录4.2 epsr值
附录4.3 条件分布的推导
参考文献
第5章 模型比较和模型检验
5.1 引言
5.2 贝叶斯因子
5.3 路径抽样
5.4 应用：含协变量的结构方程模型的贝叶斯分析
5.5 其他方法
5.6 讨论
附录5.1 (5.10)式的另一个证明
附录5.2 从[θ，ω｜y，t]刮中抽样所需的条件分布
附录5.3 用于模型评价的后验预测p值
参考文献
第6章 含连续和有序分类变量的结构方程模型
6.1 引言
6.2 基本模型
6.3 贝叶斯估计和拟合优度检验
6.4 贝叶斯模型比较
6.5 应用1：探索性因子分析因子数目的贝叶斯选择
6.6 应用2：生活质量数据集的贝叶斯分析
参考文献
第7章 含二分有序变量的结构方程模型
7.1 引言
7.2 贝叶斯分析
7.3 多元probit验证性因子分析模型分析
7.4 讨论
附录7.1 与可观测变量相关的问题
参考文献
第8章 非线性结构方程模型
8.1 引言
8.2 非线性结构方程模型的贝叶斯分析
8.3 含混合连续和有序分类变量的非线性结构方程模型的贝叶斯分析
8.4 含非线性协变量和潜在变量的结构方程模型的贝叶斯分析
8.5 贝叶斯模型比较
参考文献
第9章 两水平非线性结构方程模型
9.1 引言
9.2 含混合类型变量的两水平非线性结构方程模型
9.3 贝叶斯估计
9.4 拟合优度和模型比较
9.5 应用实例：菲律宾性工作者研究
9.6 含跨水平效应的两水平非线性结构方程模型
9.7 两水平非线性结构方程的winbugs分析
附录9.1 条件分布：两水平非线性结构方程模型
附录9.2 mh算法：两水平非线性结构方程模型
附录9.3 含混合连续和有序分类变量的两水平非线性结构方程模型后验预测p值的计算
附录9.4 与可观测变量相关的问题
附录9.5 条件分布：含跨水平效应的结构方程模型
附录9.6 mh算法：含跨水平效应的结构方程模型
参考文献
第10章 结构方程模型的多组分析
10.1 引言
10.2 多组非线性结构方程模型
10.3 多组非线性结构方程模型的贝叶斯分析
10.4 数值方法实例
参考文献
第11章 有限混合结构方程模型
11.1 引言
11.2 有限混合结构方程模型
11.3 贝叶斯估计和分类
11.4 例子和模拟研究
11.5 混合结构方程模型的贝叶斯模型比较
附录11.1 排列抽样
附录11.2 寻找识别约束
参考文献
第12章 含缺失数据的结构方程模型
12.1 引言
12.2 含随机缺失数据的结构方程模型的一般性框架
12.3 含连续和有序分类变量以及缺失数据的非线性结构方程模型
12.4 含缺失数据的混合结构方程模型
12.5 含不可忽略缺失数据的非线性结构方程模型
12.6 通过winbugs分析含缺失数据的结构方程模型
附录12.1 mh算法的实现
参考文献
第13章 含指数分布族的结构方程模型
13.1 引言
13.2 含指数分布族的结构方程模型
13.3 贝叶斯方法
13.4 模拟研究
13.5 实例：病人遵从性研究
13.6 利用winbugs对模拟数据进行贝叶斯分析
13.7 讨论
附录13.1 mh算法的实现
附录13.2
参考文献
第14章 总结
参考文献
索引
精品教材 更多
