Latent Class Modeling lca
潜类别模型(Latent Class Modeling)
潜在类别分析(LCA)数据分析流程(详细版) - 简书 (jianshu.com)
R数据分析:用R语言做潜类别分析LCA - 知乎 (zhihu.com)
About Latent Class Modeling - Statistical Innovations
1.潜类别模型概述
潜在类别模型(Latent Class Model, LCM; Lazarsfeld & Henry, 1968)或潜在类别分析(Latent Class Analysis, LCA)是通过间断的潜变量即潜在类别(Class)变量来解释外显指标间的关联,使外显指标间的关联通过潜在类别变量来估计,进而维持其局部独立性的统计方法(见图1-1)。其基本假设是,外显变量各种反应的概率分布可以由少数互斥的潜在类别变量来解释,每种类别对各外显变量的反应选择都有特定的倾向(邱皓政,2008; Collins, & Lanza, 2010)。与潜在类别分析非常相似的是潜在剖面分析(Latent Profile Analysis, LPA),区别在于前者处理分类变量,后者分析连续变量。
一、潜在类别分析的基础知识
潜在类别分析是潜在变量分析的一种,是将潜在变量理论与分类变量相结合的一种统计分析技术,是探讨存在统计学关联的分类外显变量背后的类别潜在变量的技术。LCA的目的在于利用最少的潜在类别数目解释外显分类变量之间的关联,并使各潜在类别内部的外显变量之间满足局部独立的要求。
1)潜在变量与外显变量
潜在变量与外显变量,也称潜变量与显变量,是结构方程模型中的两种主要变量。
外显变量是指日常生活中能够直接观测、统计的变量。
潜在变量是指不能被直接精确观测,或虽能被观测但尚需通过其它方法加以综合的指标。
一个潜在变量往往对应着多个外显变量,可以看作是对应的多个外显变量的抽象和概括,外显变量则可视为特定潜在变量的反映指标。
2)连续变量与类别变量
依据统计学概念,连续变量(continuous variables)指在一定区间内可以取任意值的变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值。连续变量的测量结果是有意义的数值反应强度,例如身高几公分、体重几公斤等。在潜在变量分析中,即使被测量的结果是离散数值、无法作更精确的切割(例如家庭人数),但由于其数值具有测量大小的意义,可以进行加减乘除四则运算,也认为是连续变量的概念。
类别变量(categorical variables)是指仅仅代表某一特定类别,类别之间互有差别,但不能做四则运算的变量,例如性别、居住地区、宗教信仰、教育水平、医学上的疾病分类、牛物上的物种分类、管理学中的成功失败、对商品的满意程度等等。这些变量充斥着牛活,很容易被观察与测量,但其反映的是测量对象在本质上的类型上的差异,而非测量程度大小的概念,因此多半以人为的方式予以定义。
多半W人为的方式予以定义。
3)潜在变量分析与潜在类别分析
潜在变量分析与潜在类别分析都是研究潜在变量与外显变量关系的手段,区别在于分析变量的类型,潜在类别分析是潜在变量分析的一种特殊情况。
潜在类别模型(latent class model, LCM)是探讨LCA的模型化分析技术。
它与传统因素分析最大的不同在于变量的形式:因素分析处理的是连续变量,潜在类别模型处理的是类别变量。一个完整的LCM的建立需要经过模型的概率参数化与模型构建、参数估计与模型拟合、潜在分类三个步骤。
Latent Class Modeling lca相关推荐
- oracle11g知乎,【AAAI】AAAI2020录用论文汇总(二)
因为AAAI的接受论文官方还没有放出,并且放的也是出奇的慢,本文汇总了23日在arxiv上挂出来的AAAI2020文章,供大家挑选感兴趣的文章下载.第一部分可以看 忆臻:[AAAI]AAAI2020录 ...
- AAAI2020录用论文汇总(二)
本文汇总了截至2月23日arxiv上上传的所有AAAI2020录用论文,共计629篇,因篇幅过长,分为三部分,分享给大家. AAAI2020论文汇总(part 2) [201] Colosseu ...
- 今日arXiv精选 | ICCV 2021/CIKM 2021/ACM MM 2021
关于 #今日arXiv精选 这是「AI 学术前沿」旗下的一档栏目,编辑将每日从arXiv中精选高质量论文,推送给读者. SUNet: Symmetric Undistortion Network ...
- 【AAAI 2018】腾讯 AI Lab 11篇论文精选:图像描述、NMT 模型、图卷积神经网络、DNN优化等
背景:AAAI 2018 将于2月2日至 7日在美国新奥尔良举行,在本届大会上,腾讯 AI Lab 有 11 篇论文被录用,涉及图像描述.更低计算成本的预测表现.NMT 模型中的特定翻译问题.自适应图 ...
- Peacock:大规模主题模型及其在腾讯业务中的应用-2015
Peacock:大规模主题模型及其在腾讯业务中的应用 作者:赵学敏 王莉峰 王流斌 孙振龙 严浩 靳志辉 王益 摘要 如果用户最近搜索了"红酒木瓜汤",那么应该展示什么样的广告呢? ...
- 【ICLR2019】Poster 论文汇总
ICLR2019 Poster 文章汇总, 共478 papers Convolutional Neural Networks on Non-uniform Geometrical Signals U ...
- 机器学习贝叶斯学习心得_贝叶斯元学习就是您所需要的
机器学习贝叶斯学习心得 Update: This post is part of a blog series on Meta-Learning that I'm working on. Check o ...
- 非参数贝叶斯模型概述
看这个模型很久了,可能一直深入的不够,现把自己的一点愚见不断的贴上来,一起交流,共同进步. 贝叶斯非参数模型是一种定义在无限维参数空间上的贝叶斯模型.其大概的意思是说非参数模型的大小可以随着模型内数据 ...
- 800 篇顶会论文纵览推荐系统的前沿进展
© 作者|张君杰 机构|中国人民大学高瓴人工智能学院 引言:推荐系统作为人工智能领域最具有应用前景的方向之一,在学术界和工业界一直占据着重要地位.本文聚焦于推荐系统在学术研究方面的前沿进展,在之前整理 ...
最新文章
- Sublime_正则查找替换
- 如何修改Linux主机名
- 你了解 Java 的 jstat 命令吗?
- quirks 模式是什么?它和 standards 模式有什么区别_什么是二级分销模式
- 『操作系统』 进程的描述与控制 Part 1 前驱图与程序执行
- Codeforces Round #648 (Div. 2)(A, B, C, D)
- [学习笔记] 七步从Angular.JS菜鸟到专家(3):数据绑定和AJAX [转]
- qq纯黑主题怎么设置_qq背景变黑色,怎么调过来
- [热议]Java是新的COBOL吗?
- Unicode字符编码
- 大数据分析中的四大数据类型
- 微信无法打开xlsx文件_电脑微信excel打不开怎么办
- linux 下载命令
- 【React之文件的运行】用webstorm运行npm,实现网页的刷新
- 选对了裤长,胜过任何一件高级定制
- CentOS 7.6基于lvm2快照备份恢复MariaDB
- Cannot resolve MVC View
- 开源网上商城程序(简介国内外开源网店系统)
- Web开发过程流程图
- Ubuntu18.04 快速返回桌面 【快捷键】