1、潛變量模型是廣泛應(yīng)用于社會(huì)學(xué)、心理學(xué)、醫(yī)學(xué)以及經(jīng)濟(jì)學(xué)等領(lǐng)域的一類重要多元統(tǒng)計(jì)模型。這類模型通過引入潛在變量(因子)用來刻畫并解釋觀測變量間的相關(guān)性。當(dāng)前許多重要統(tǒng)計(jì)軟件如LISREL8,EQS6, LISCOMP等都可以直接用來進(jìn)行潛變量模型的統(tǒng)計(jì)分析。然而當(dāng)前的研究進(jìn)展大多數(shù)局限于潛變量獨(dú)立這一假定下展開的,并不能解釋觀測數(shù)據(jù)在時(shí)間上的關(guān)聯(lián)性。在社會(huì)調(diào)查中,特別是在縱向調(diào)查中,觀察數(shù)據(jù)的變異常常表現(xiàn)為時(shí)間上的相依。因此,對潛變量模型建

2、立恰當(dāng)?shù)臅r(shí)序結(jié)構(gòu)并進(jìn)行相關(guān)的統(tǒng)計(jì)分析構(gòu)成當(dāng)前研究的一個(gè)重要內(nèi)容。本文主要研究內(nèi)容如下:
　　(1)對廣義線性潛變量模型的因子變量構(gòu)建一階自回歸模型,并在貝葉斯框架內(nèi)展開貝葉斯統(tǒng)計(jì)分析。鑒于模型后驗(yàn)分布的復(fù)雜性,本文采用模擬的方法使用馬爾可夫鏈蒙特卡洛(Markov Chains Monte Carlo(MCMC)方法從聯(lián)合后驗(yàn)分布中抽取隨機(jī)樣本。并基于隨機(jī)樣本展開統(tǒng)計(jì)分析。進(jìn)一步地,利用貝葉斯因子方法進(jìn)行模型選擇。本文使用路徑抽樣