Amarengo

Articles and news

Latent Variable Models and Factor Analysis: A Unified Approach, 3rd Edition

Przedmowa xi

podziękowania xv

1 podstawowe pomysły i przykłady 1

1.1 problem statystyczny 1

1.2 podstawowa idea 3

1.3 dwa przykłady 4

1.4 szerszy pogląd teoretyczny 6

1.5 ilustracja alternatywnego podejścia 8

1.6 przegląd przypadków szczególnych 10

1.7 główne składniki 11

1.8 kontekst historyczny 12

1.9 ściśle powiązane pola w statystyce 17

2 ogólny model liniowej zmiennej utajonej 19

2.1 Wprowadzenie 19

2.2 model 19

2.3 niektóre właściwości modelu 20

2.4 specjalny model przypadek 21

2.5 zasada wystarczalności 22

2.6 główne przypadki szczególne 24

2.7 modele zmiennych utajonych o warunkach nieliniowych 25

2.8 dopasowanie modeli 27

2.9 dopasowanie według maksymalnego prawdopodobieństwa 29

2.10 dopasowanie metodami bayesowskimi 30

2.11 obrót 33

2.12 interpretacja 35

2.13 błąd próbkowania oszacowania parametrów 38

2.14 wcześniejsza Dystrybucja 39

2.15 Analiza tylna 41

2.16 kolejna uwaga dotycząca wcześniejszej 43

2.17 wnioskowanie psychometryczne 44

3 Normalny Model współczynnika liniowego 47

3.1 model 47

3.2 niektóre właściwości dystrybucyjne 48

3.3 ograniczenia dotyczące modelu 50

3.4 maksymalne oszacowanie prawdopodobieństwa 50

3.5 maksymalne oszacowanie prawdopodobieństwa za pomocą algorytmu E-M 53

3.6 zmienność próbkowania estymatorów 55

3.7 dobór dopasowania i wybór q 58

3.8 dopasowanie bez założeń normalności: metody najmniejszych kwadratów 59

3.9 Inne metody dopasowania 61

3.10 przybliżone metody szacowania 62

3.11 dobór dopasowania i wybór metody Q Dla metod najmniejszych kwadratów 63

3.12 dalsze zagadnienia estymacji 64

3.13 rotacja i zagadnienia pokrewne 69

3.14 analiza tylna: przypadek normalny 67

3.15 analiza tylna: najmniejsze kwadraty 72

3.16 analiza tylna: metoda niezawodności 74

3,17 przykłady 74

4,17 przykłady: modele cech utajonych 83

4,17 przykłady: modele cech utajonych 83

4,2 model logit/normal 84

4,3 model probit/normal 86

88

4.5 dopasowanie modelu Logit / Normal: algorytm E-M 90

4.6 właściwości próbkowania estymatorów maksymalnego prawdopodobieństwa 94

4.7 przybliżone estymatory maksymalnego prawdopodobieństwa 95

4.8 uogólnione metody najmniejszych kwadratów 96

4.8.97

4.10 Analiza tylna 100

4.11 dopasowanie modeli logit/normal i probit/normal: Markov Chain Monte Carlo 102

4.12 rozbieżność algorytmu estymacji 109

4.13 przykłady 109

5.13 dane: modele cech utajonych 119

5.1 wprowadzenie 119

5.2 Model funkcji odpowiedzi oparty na zasadzie wystarczalności 120

5.3 interpretacja parametrów 124

5.4 obrót 124

5.5 maksymalne oszacowanie prawdopodobieństwa Politomowego modelu Logitu 125

5.6 przybliżenie prawdopodobieństwa 126

5.7 dane binarne jako przypadek szczególny 134

5.8 uporządkowanie kategorii 136

5.9 alternatywny model zmiennej bazowej 144

5.10 Analiza tylna 147

5.11 dalsze obserwacje 148

5.12 przykłady analizy danych politomowych z wykorzystaniem modelu logit 149

6 modele klas utajonych 157

6.1 wprowadzenie 157

6.2 model klasy utajonej z binarnymi zmiennymi manifestu 158

6.3 Model klasy utajonej dla danych binarnych jako modelu cechy utajonej 159

6.4 klasy utajone w GLLVM 161

6.5 maksymalne oszacowanie prawdopodobieństwa 162

6.6 błędy Standardowe 164

6.7 Analiza tylna modelu klasy utajonej z binarnymi zmiennymi manifestu 166

6.8 dobroć dopasowania 167

6.9 przykłady danych binarnych 167

6.10 modele klas utajonych z nieuporządkowanymi polytomous Manifest zmienne 170

6.11 modele klas utajonych z uporządkowanymi polytomous Manifest zmienne 171

6.12 maksymalne oszacowanie prawdopodobieństwa 172

6.13 przykłady nieuporządkowanych danych politomowych 174

6.14 identyfikowalność 178

6.15 wartości początkowe 180

6.16 modele klas utajonych ze zmiennymi manifestu metrycznego 180

6.17 modele z uporządkowanymi klasy utajone 181

6.18 modele hybrydowe 182

7 modele i metody dla zmiennych manifestowanych typu mieszanego 191

7.1 wprowadzenie 191

7.2 główne wyniki 192

7.3 pozostali członkowie rodziny wykładniczej 193

7.4 oszacowanie maksymalnego prawdopodobieństwa 195

7.5 właściwości próbkowania i dobrostan dopasowania 201

7.6 mieszane modele klas utajonych 202

7.7 Analiza tylna 203

7.8 przykłady 204

7.9 uporządkowane zmienne kategoryczne i inne uogólnienia 208

8 zależności między zmiennymi utajonymi 213

8.1 zakres 213

8.2 skorelowane zmienne utajone 213

8.3 metody procrustesa 215

8.4 Źródła wcześniejszej wiedzy 215

8.5 modele liniowych relacji strukturalnych 216

8.6 Model LISRELA 218

8.7 adekwatność równania strukturalnego model 221

8.8 zależności strukturalne w układzie ogólnym 222

8.9 uogólnienia modelu LISRELA 223

8.10 przykłady modeli nie do odróżnienia 224

8.11 implikacje dla analiza 227

9 powiązane techniki badania zależności 229

9.1 wprowadzenie 229

9.2 analiza głównych składników (pca) 229

9.3 alternatywa dla normalnego modelu czynnika 236

9.4 zastąpienie zmiennych utajonych funkcjami liniowymi zmiennych oczywistych 238

9.5 Estymacja korelacji i regresji między zmiennymi utajonymi 240

9.6 Metodologia Q 242

9.7 podsumowanie roli zmiennych utajonych w modelowaniu statystycznym 244

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.