Buchumschlag

Gaussian distributional structural equation models: A framework for modeling latent heteroscedasticity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fazio, Luna, Bürkner, Paul-Christian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DGP-LVM: Derivative Gaussian process latent variable models
von: Mukherjee, Soham, et al.
Veröffentlicht: (2024)

Hilbert space methods for approximating multi-output latent variable Gaussian processes
von: Mukherjee, Soham, et al.
Veröffentlicht: (2025)

Primed Priors for Simulation-Based Validation of Bayesian Models
von: Fazio, Luna, et al.
Veröffentlicht: (2024)

Posterior accuracy and calibration under misspecification in Bayesian generalized linear models
von: Scholz, Maximilian, et al.
Veröffentlicht: (2023)

Prediction can be safely used as a proxy for explanation in causally consistent Bayesian generalized linear models
von: Scholz, Maximilian, et al.
Veröffentlicht: (2022)

Some models are useful, but how do we know which ones? Towards a unified Bayesian model taxonomy
von: Bürkner, Paul-Christian, et al.
Veröffentlicht: (2022)

Functional structural equation modeling with latent variables
von: Asgari, Fatemeh, et al.
Veröffentlicht: (2024)

Bayesian inference for ordinary differential equations models with heteroscedastic measurement error
von: Salimi, Selva, et al.
Veröffentlicht: (2026)

Robust tests for parameter change in conditionally heteroscedastic time series models
von: Song, Junmo
Veröffentlicht: (2025)

Generalized Decomposition Priors on R2
von: Aguilar, Javier Enrique, et al.
Veröffentlicht: (2024)

Scalable skewed Bayesian inference for latent Gaussian models
von: Dutta, Shourya, et al.
Veröffentlicht: (2025)

Misspecifications in structural equation modeling: The choice of latent variables, causal-formative constructs or composites
von: Bauer, Jonas, et al.
Veröffentlicht: (2025)

Bayesian analysis of nonlinear structured latent factor models using a Gaussian Process Prior
von: Zhang, Yimang, et al.
Veröffentlicht: (2025)

Latent variable estimation with composite Hilbert space Gaussian processes
von: Mukherjee, Soham, et al.
Veröffentlicht: (2025)

Intuitive Joint Priors for Bayesian Linear Multilevel Models: The R2D2M2 prior
von: Aguilar, Javier Enrique, et al.
Veröffentlicht: (2022)

Opaque prior distributions in Bayesian latent variable models
von: Merkle, Edgar C., et al.
Veröffentlicht: (2023)

Spatial-temporal prediction of forest attributes using latent Gaussian models and inventory data
von: May, Paul B., et al.
Veröffentlicht: (2025)

Simulation-based validation of Bayes factor computation
von: Modrák, Martin, et al.
Veröffentlicht: (2025)

elicito: A Python Package for Expert Prior Elicitation
von: Bockting, Florence, et al.
Veröffentlicht: (2025)

Inference on an heteroscedastic Gompertz tumor growth model
von: Albano, Giuseppina, et al.
Veröffentlicht: (2024)

Dependency-Aware Shrinkage Priors for High Dimensional Regression
von: Aguilar, Javier Enrique, et al.
Veröffentlicht: (2025)

Expert-elicitation method for non-parametric joint priors using normalizing flows
von: Bockting, Florence, et al.
Veröffentlicht: (2024)

Simulation-Based Prior Knowledge Elicitation for Parametric Bayesian Models
von: Bockting, Florence, et al.
Veröffentlicht: (2023)

Detecting and diagnosing prior and likelihood sensitivity with power-scaling
von: Kallioinen, Noa, et al.
Veröffentlicht: (2021)

Efficient Uncertainty Propagation in Bayesian Two-Step Procedures
von: Jedhoff, Svenja, et al.
Veröffentlicht: (2025)

A statistical approach to latent dynamic modeling with differential equations
von: Hackenberg, Maren, et al.
Veröffentlicht: (2023)

Optimal shrinkage estimation in heteroscedastic hierarchical linear models
von: Kou, Samuel, et al.
Veröffentlicht: (2015)

Testing Homogeneity in a heteroscedastic contaminated normal mixture
von: Niu, Xiaoqing, et al.
Veröffentlicht: (2025)

Trends in tail dependence of heteroscedastic extremes
von: Einmahl, John H. J., et al.
Veröffentlicht: (2026)

A general framework for modeling Gaussian process with qualitative and quantitative factors
von: Deng, Linsui, et al.
Veröffentlicht: (2026)

inlabru: software for fitting latent Gaussian models with non-linear predictors
von: Lindgren, Finn, et al.
Veröffentlicht: (2024)

Clustering of functional data prone to complex heteroscedastic measurement error
von: Mai, Andi, et al.
Veröffentlicht: (2025)

Doubly-robust and heteroscedasticity-aware sample trimming for causal inference
von: Khan, Samir, et al.
Veröffentlicht: (2022)

Uncertainty calibration for latent-variable regression models
von: Duma, Zina-Sabrina, et al.
Veröffentlicht: (2025)

Two-step estimation of latent trait models
von: Kuha, Jouni, et al.
Veröffentlicht: (2023)

Phylogenetic latent space models for network data
von: Pavone, Federico, et al.
Veröffentlicht: (2025)

Scalable regression calibration approaches to correcting measurement error in multi-level generalized functional linear regression models with heteroscedastic measurement errors
von: Luan, Yuanyuan, et al.
Veröffentlicht: (2023)

The generalized Hausman test for detecting non-normality in the latent variable distribution of the two-parameter IRT model
von: Guastadisegni, Lucia, et al.
Veröffentlicht: (2024)

A general joint latent class model of longitudinal and survival data with the covariance modelling
von: Miao, Ruoyu, et al.
Veröffentlicht: (2025)

Bayesian kernel machine regression for heteroscedastic health outcome data
von: Smith, Melissa J., et al.
Veröffentlicht: (2025)