論文の概要: Recovering Latent Structures after Variational Bayesian Variable Selection: Fit Assessment and Factor-Number Selection in Partially Exploratory Factor Analysis
- arxiv url: http://arxiv.org/abs/2607.07159v1
- Date: Wed, 08 Jul 2026 08:51:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.325334
- Title: Recovering Latent Structures after Variational Bayesian Variable Selection: Fit Assessment and Factor-Number Selection in Partially Exploratory Factor Analysis
- Title（参考訳）: 変分ベイズ変数選択後の潜在構造復元:部分探索的因子分析における適合度評価と因子数選択
- Authors: Jinsong Chen, Yi Jin,
- Abstract要約: 本研究では,因子分析のためのポストセレクションアセスメントフレームワークを提案する。
因子数を決定するために,持続的なドロップガード付きスケールフリーゲインルールを提案する。
- 参考スコア（独自算出の注目度）: 8.965033543589186
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In partially exploratory factor analysis (PEFA), the loading structure and factor numbers are weakly specified. The regularized variational approximation for partially confirmatory factor analysis (PCFA VA) recovers this structure via Bayesian variable selection, using spike and slab priors to assign inclusion probabilities to unspecified loadings. This research introduces a post selection assessment framework for this approach. We convert converged solutions into covariance models using either hard selection (thresholding probabilities into a sparse pattern) or soft selection (retaining them as weights for effective parameter counts). We derive the resulting degrees of freedom, absolute fit diagnostics (RMSEA, SRMR, CFI, TLI), and relative criteria (AIC, BIC, ELBO). To determine factor numbers, we propose a scale free gain rule with a sustained drop guard. Simulations show absolute indices successfully track loading recovery and flag under factoring. While raw criteria over factor, our gain rule accurately recovers true dimensionality, with the ELBO variant proving most robust. Finally, a 100 item PID 5 example demonstrates that our model fits better than a confirmatory 25 facet model and concordantly recovers major structures across disjoint specifications.
- Abstract（参考訳）: 部分探索的因子分析(PEFA)では、負荷構造と因子番号が弱い。
部分的確認因子分析(PCFA VA)のための正規化変分近似は、スパイクとスラブ先行を用いてベイズ変分選択によりこの構造を復元し、不特定荷重に包含確率を割り当てる。
本研究は,提案手法のポストセレクションアセスメントフレームワークを紹介する。
収束解をハードセレクション(確率をスパースパターンに保持する)またはソフトセレクション(有効パラメータカウントの重みとして保持する)を用いて共分散モデルに変換する。
得られた自由度,絶対適合診断(RMSEA,SRMR,CFI,TLI)および相対基準(AIC,BIC,ELBO)を導出する。
因子数を決定するために,持続的なドロップガード付きスケールフリーゲインルールを提案する。
シミュレーションでは、絶対的な指標が負荷回復とファクタリング中のフラグを追跡することに成功している。
実測基準では, ELBO変種が最も頑健であることから, 利得規則は実次元性を正確に回復する。
最後に、100項目のPID 5の例は、我々のモデルが確認25面モデルよりも適合していることを示し、不一致仕様間の主要な構造を一致して復元する。
関連論文リスト
- Overfitted high-dimensional matrix factorizations via adaptive spectral shrinkage [8.549941732144035]
textttEigenBayesは各結果と潜時次元の信号対雑音比に適応し、潜時成分を0に縮小することを示す。
数値実験における実験性能とゲノミクスの応用について述べる。
論文 参考訳（メタデータ） (2026-06-17T19:33:03Z) - Efficient Conditioning Why Pseudo Observation Batch Bayesian Optimization Works When It Does not [0.0]
Constant Liar (CL)、Kriging Believer (KB)、およびファンタジーモデルは並列ベイズ最適化におけるバッチ選択に広く使われている。
データを拡張した場合に,効率的な条件付けをキーサロゲート特性として,クローズドフォームで予測を更新する機能として同定する。
CL, KB, および空想モデルを, 偽値分布のみが異なる単一の条件付け機構のインスタンスとして統一する。
論文 参考訳（メタデータ） (2026-05-12T13:14:24Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Model-based causal feature selection for general response types [8.228587135343071]
Invariant causal prediction (ICP) は、不均一な設定からのデータを必要とする因果的特徴選択の手法である。
我々は変換モデル(TRAM)ベースのICPを開発し、連続的、分類的、カウント型、非形式的に検閲された応答を可能にする。
我々は、オープンソースのRパッケージ「tramicp」を提供し、シミュレーションデータに対する我々のアプローチを評価し、重篤な患者の生存の因果的特徴を調査する事例研究を行った。
論文 参考訳（メタデータ） (2023-09-22T12:42:48Z) - Value-Distributional Model-Based Reinforcement Learning [59.758009422067]
政策の長期的業績に関する不確実性の定量化は、シーケンシャルな意思決定タスクを解決するために重要である。
モデルに基づくベイズ強化学習の観点から問題を考察する。
本稿では,値分布関数を学習するモデルに基づくアルゴリズムであるEpicemic Quantile-Regression(EQR)を提案する。
論文 参考訳（メタデータ） (2023-08-12T14:59:19Z) - Autoencoded sparse Bayesian in-IRT factorization, calibration, and
amortized inference for the Work Disability Functional Assessment Battery [1.6114012813668934]
作業障害機能評価電池(WD-FAB)は、作業関連心身機能を評価するための多次元項目応答理論(IRT)である。
我々は,次の同時タスクを自己整合的に実行するためのベイズ階層モデルを開発した。
従来のポストホック法を用いて得られた項目識別結果を比較した。
論文 参考訳（メタデータ） (2022-10-20T01:55:59Z) - Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。
提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
論文 参考訳（メタデータ） (2022-03-09T01:55:59Z) - Variational Causal Networks: Approximate Bayesian Inference over Causal
Structures [132.74509389517203]
離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。
実験では,提案した変分後部が真の後部を良好に近似できることを示した。
論文 参考訳（メタデータ） (2021-06-14T17:52:49Z) - Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。
提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文 参考訳（メタデータ） (2021-06-07T17:44:49Z) - Nonparametric Variable Screening with Optimal Decision Stumps [19.493449206135296]
単レベルCART決定木を用いた非パラメトリックモデルにおける変数選択に対する有限サンプル性能保証を導出する。
切削された基底展開を通じて各辺縁射影を直接推定しようとする従来の辺縁検定方法とは異なり、ここで用いられる適合モデルは単純で同相な決定スタンプである。
論文 参考訳（メタデータ） (2020-11-05T06:56:12Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳（メタデータ） (2020-02-17T19:23:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。