Search

Son yıllarda Bayesci yaklaşımların kullanımındaki esneklik Yapısal Eşitlik Modelleri (YEM)’de Monte Carlo Markov Zincir( MCMC) yöntemlerinin daha sık kullanılmasına neden olmuştur. MCMC yöntemlerinde çekilen örneklemler arasındaki otokorelasyon, sonsal dağılıma yakınsayıp yakınsamadığının belirlenmesi ve zincirin sonlandırılması önemli konular arasındadır. Bu çalışma kapsamında MCMC yöntemlerinden olan Gibbs Örneklemesi ile elde edilen bir Bayesci Yapısal Eşitlik Model sonuçlarına ait parametre tahmin değerleri kullanılmıştır. Bu parametre tahminleri için üretilen değerler başlangıç değerlerinin etkisinden kurtulabilmesi için yakma periyodu, bağımsızlığı içinde thin uygulamalarının iterasyonlar ve otokorelasyon üzerinde etkileri incelenmiştir. Çalışma sonunda yakma periyodu ve thin uygulamalarının etkili olduğu gösterilmiştir. The flexibility of the Bayesian approach has recently led to a more common use of Monte Carlo Markov Chain (MCMC) methods in Structural Equation Modeling. Some important issues regarding the MCMC methods are autocorrelation between the samples, whether they converge to a posterior distribution or not, and the termination of the chain. In this study, the predicted values of the parameters were used, based on the data of a Bayesian Structural Equation Model obtained by Gibbs Sampling as one of the MCMC methods. Burn-in method was utilized for overcoming the effects of the original parameters on the predicted values and thinning method was used for the independence of these predictions. The effects of burn-in and thinning methods were evaluated and it is concluded that these methods were very effective on iteration and autocorrelation.