Liniowe modelowanie przyczynowe z równaniami strukturalnymi

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Linear Causal Modeling with Structural Equations

Zawartość książki:

Podkreślając związek przyczynowy jako funkcjonalną relację między zmiennymi opisującymi obiekty, Linear Causal Modeling with Structural Equations integruje ogólną filozoficzną teorię związku przyczynowego z modelowaniem równań strukturalnych (SEM), które dotyczy szczególnego przypadku liniowych relacji przyczynowych. Oprócz opisania, w jaki sposób koncepcja relacji funkcjonalnej może zostać uogólniona w celu traktowania probabilistycznego związku przyczynowego, książka dokonuje przeglądu historycznych podejść do związku przyczynowego i bada najnowsze osiągnięcia w psychologii eksperymentalnej w zakresie badań nad postrzeganiem związku przyczynowego. Przygląda się temu, jak postrzegać relacje przyczynowe bezpośrednio poprzez postrzeganie wielkości w wielkościach i ruchach przyczyn, które są zachowane w skutkach wymiany przyczynowej.

Autor omawia podstawowe pojęcia teorii grafów przydatne w formułowaniu modeli strukturalnych. Koncentrując się na SEM, pokazuje, jak napisać zestaw równań strukturalnych odpowiadających diagramowi ścieżek, opisuje dwa sposoby obliczania wariancji i kowariancji zmiennych w modelu równań strukturalnych oraz wprowadza równania macierzowe dla ogólnego modelu równań strukturalnych. Tekst omawia następnie problem identyfikacji modelu, estymację parametrów, kwestie związane z projektowaniem modeli równań strukturalnych, zastosowanie konfirmacyjnej analizy czynnikowej, modele równoważne, wykorzystanie zmiennych instrumentalnych w celu rozwiązania kwestii kierunku przyczynowego i pośredniego związku przyczynowego, modelowanie podłużne i modele nierekursywne z pętlami. Ocenia również modele w kilku wymiarach i bada polichoryczne i poliseryjne współczynniki korelacji oraz ich wyprowadzanie.

Obejmując podstawy algebry i historię przyczynowości, książka ta zapewnia solidne zrozumienie przyczynowości, liniowego modelowania przyczynowego i SEM. Przeprowadza czytelników przez proces identyfikacji, szacowania, analizy i oceny szeregu modeli.