В данной работе была предложена новая линейная модель для моделирования структурными уравнениями, способная учитывать, в случае априорной известности таковой, гетерогенность выборки, которая может быть обусловленна различными факторами: географией, временем наблюдения или генетическим сродством. Модель была реализована на языке программирования Python и интегрирована в пакет semopy.

In this paper I propose a novel structural equation model that can take prior information on population stratification/non-independence of observations into an account; the lack of independence can be caused by a plethora of phenomena, such as spatial characteristics of individuals, temporal characteristics or genetic kinship. The proposed model has been implemented in the programming language Python and has been integrated into the semopy package.

• Введение
• Материалы и методы
  • Основные понятия
  • История SEM
    • Анализ путей
    • Подтверждающий факторный анализ
    • SEM
  • Пример модели
  • Основная модель
    • Функции цели
    • Ординальные переменные
  • Модель с фиксированными эффектами
    • Функции цели
  • Модель со случайными эффектами
    • Функции цели
    • Ускорение за счёт совместной диагонализации
    • Группы
  • Модель с обобщёнными случайными эффектами
    • Функции цели
    • Модели случайных эффектов
  • Сравнение моделей и их ограничения
  • Методы оптимизации
    • Использование градиентного спуска
  • Статистическая значимость оценок
  • Оценка латентных факторов
  • Заполнение пропусков и регрессия
  • Синтаксис для записи моделей SEM
    • Операторы
  • Команды
  • Пример использования пакета
  • Генератор моделей
• Результаты
  • Сравнение с предыдущей версией пакета
  • Сравнение методов на различных наборах моделей
  • Проверка работы ModelEffects на данных со структурой
• Заключение
• Список использованных источников
• Приложение
• Приложение
• Приложение
• Приложение
• Приложение
• Приложение