지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2013.5
- 수록면
- 1,897 - 1,903 (7page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Structural Equation Modeling (SEM) is a class of methods that seeks to represent hypothesized relationships among latent variables and manifest variables in terms of parameters defined in a conceptual structure. SEM has a limitation that latent variables and the relationship structure between variables are solely built by researchers rather than from data. To resolve the problem, a method to extract latent variables and relationship structure out of observed data is proposed. For latent variable extraction, variable clustering using principal component analysis (PCA) is conducted. Then, the structure including the extracted latent variables are constructed by the causal discovery using Bayesian networks. Through an experiment using synthetic data, the method is validated.
목차
Abstract
1. 서론
2. 구조방정식모형
3. 제안 기법
4. 실험 및 검증
5. 결론
6. 참고문헌
7. Appendix
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0