文献类型：期刊文章

作　　者：晏宁[1,2] 毛志雄[1] 李英[3] 李玉磊[1] 郭璐[1]

YAN Ning;MAO Zhi-xiong;LI Ying;LI Yu-lei;GUO Lu(Beijing Sport University,Beijing 100084,China;Beijing Union University,Beijing 100101,China;;Beijing Sino-French Experimental School,Beijing 100095,China.)

机构地区：[1]北京体育大学心理学院,北京100084 [2]北京联合大学心理素质教育中心,北京100101 [3]北京中法实验学校,北京100095

出　　处：《中国体育科技》

基　　金：北京体育大学科技创新团队课题(2015TD001)

年　　份：2018

卷　　号：54

期　　号：6

起止页码：52-58

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2017_2018、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：旨在通过一项基于计划行为理论的锻炼行为实证研究案例,说明贝叶斯结构方程模型如何应对小样本数据。贝叶斯方法之所以适用于小样本数据主要因为:贝叶斯方法不依赖大样本理论且允许估计测量模型中所有可能的残差协方差,经典统计方法中这些均无法实现;借助贝叶斯定理,采用信息先验的贝叶斯估计允许将先前研究的结果与当前研究进行整合,从而使假设获得检验的机会,这也是经典统计方法无法实现的。与最大似然估计相比,贝叶斯估计有助于降低对样本量的要求、避免不适当解、更好地反映研究者的理论构想和先验信念、促进科学知识的积累。然而,贝叶斯估计并非万能,必须确保合理、透明地使用先验信息。

关 键 词：贝叶斯方法 结构方程模型 最大似然估计 残差相关  先验分布

分 类 号：G80-32]