Amarengo

Articles and news

latentní variabilní modely a analýza faktorů: jednotný přístup, 3. vydání

Předmluva xi

poděkování xv

1 Základní myšlenky a příklady 1

1.1 statistický Problém 1

1.2 základní myšlenka 3

1.3 dva příklady 4

1.4 širší teoretický pohled 6

1.5 ilustrace alternativního přístupu 8

1.6 přehled zvláštních případů 10

1.7 hlavní složky 11

1.8 historický kontext 12

1.9 úzce související pole ve statistice 17

2 obecný Lineární latentní proměnný Model 19

2.1 Úvod 19

2.2 model 19

2.3 některé vlastnosti modelu 20

2.4 zvláštní případ 21

2.5 zásada dostatečnosti 22

2.6 Hlavní zvláštní případy 24

2.7 latentní variabilní modely s nelineárními výrazy 25

2.8 montáž modelů 27

2.9 montáž podle maximální pravděpodobnosti 29

2.10 montáž Bayesovskými metodami 30

2.11 rotace 33

2.12 interpretace 35

2.13 chyba vzorkování odhadů parametrů 38

2.14 předchozí rozdělení 39

2.15 zadní analýza 41

2.16 další poznámka k předchozímu 43

2.17 psychometrický závěr 44

3 normální Lineární faktor Model 47

3.1 model 47

> 3.2 některé distribuční vlastnosti 48

3.3 omezení na modelu 50

3.4 maximální odhad pravděpodobnosti 50

3.5 maximální odhad pravděpodobnosti pomocí e-m algoritmu 53

3.6 vzorkovací variace odhadů 55

3.7 dobrá fit a volba q 58

3.8 kování bez předpokladů normality: metody nejmenších čtverců 59

3.9 jiné metody montáže 61

3.10 přibližné metody pro odhad 62

3.11 dobrá fit a volba q pro metody nejmenších čtverců 63

3.12 další problémy s odhadem 64

3.13 rotace a související záležitosti 69

3.14 zadní analýza: normální případ 67

3.15 zadní analýza: nejmenší čtverce 72

3.16 zadní analýza: přístup spolehlivosti 74

3.17 příklady 74

4 binární Data: modely latentních znaků 83

4.1 předběžné výsledky 83

4.2 model logit/normal 84

4.3 model probit/normal 86

4.4 ekvivalence funkce odezvy a podkladové proměnné se blíží 88

4.5 přizpůsobení modelu logit/normal: algoritmus E-M 90

>

4.6 vzorkovací vlastnosti odhadů maximální věrohodnosti 94

4.7 přibližné odhady maximální věrohodnosti 95

4.8 zobecněné metody nejmenších čtverců 96

4.9 Goodness of fit 97

4.10 Posterior analysis 100

4.11 Fitting the logit/normal and probit/normal models: Markov Chain Monte Carlo 102

4.12 Divergence odhadu algoritmu 109

4.13 Examples 109

5 Polytomous Data: Latent Chait Models 119

5.1 Úvod 119

5.2 a response function model based on the zásada dostatečnosti 120

5.3 interpretace parametrů 124

5.4 rotace 124

5.5 odhad maximální pravděpodobnosti polytomózního Logitového modelu 125

5.6 aproximace pravděpodobnosti 126

5.7 binární data jako zvláštní případ 134

5.8 uspořádání kategorií 136

5.9 alternativní podkladový proměnný model 144

5.10 zadní analýza 147

5.11 další pozorování 148

5.12 příklady analýzy polytomických dat pomocí logitového modelu 149

6 modely latentní třídy 157

6.1 Úvod 157

6.2 model latentní třídy s binárními manifestními proměnnými 158

6.3 Model latentní třídy pro binární data jako latentní znak Model 159

6.4 latentní třídy v rámci GLLVM 161

6.5 maximální odhad pravděpodobnosti 162

6.6 standardní chyby 164

6.7 zadní analýza modelu latentní třídy s binárními manifestními proměnnými 166

6.8 Dobrota Fit 167

6.9 příklady binárních dat 167

6.10 modely latentní třídy s neuspořádanými polytomickými manifestními proměnnými 170

6.11 modely latentní třídy s uspořádanými polytomickými manifestními proměnnými 171

6.12 maximální odhad pravděpodobnosti 172

6.13 příklady neuspořádaných polytomických dat 174

6.14 Identifikovatelnost 178

6.15 počáteční hodnoty 180

6.16 modely latentní třídy s metrickými manifestními proměnnými 180

6.17 modely s uspořádanými latentními třídami 181

6.18 hybridní modely 182

7 modely a metody pro manifestní proměnné smíšeného typu 191

7.1 úvod 191

7.2 hlavní výsledky 192

7.3 ostatní členové exponenciální rodiny 193

7.4 maximální odhad pravděpodobnosti 195

7.5 vzorkovací vlastnosti a dobrota Fit 201

7.6 smíšené modely latentní třídy 202

7.7 zadní analýza 203

7.8 příklady 204

7.9 uspořádané kategorické proměnné a další zobecnění 208

8 vztahy mezi latentními proměnnými 213

8.1 rozsah 213

8.2 korelované latentní proměnné 213

8.3 Procrustes metody 215

8.4 zdroje předchozích znalostí 215

8.5 modely lineárních strukturních vztahů 216

8.6 LISRELŮV model 218

8.7 přiměřenost strukturální rovnice model 221

8.8 strukturální vztahy v obecném nastavení 222

8.9 zobecnění LISRELOVA modelu 223

8.10 příklady modelů, které jsou nerozeznatelné 224

8.11 důsledky pro analýzu 227

9 související techniky pro zkoumání závislosti 229

9.1 Úvod 229

9.2 analýza hlavních komponent, (PCA) 229

9.3 alternativa k normálnímu Faktorovému modelu 236

9.4 nahrazení latentních proměnných lineárními funkcemi manifestních proměnných 238

9.5 odhad korelací a regresí mezi latentními proměnnými 240

9.6 Q-metodika 242

9.7 závěrečné úvahy o úloze latentních proměnných ve statistickém modelování 244

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna.