Amarengo

Articles and news

latenta Variabla modeller och faktoranalys: ett enhetligt tillvägagångssätt, 3: e upplagan

förord xi

bekräftelser xv

1 Grundläggande ideer och exempel 1

1.1 det statistiska problemet 1

1.2 grundtanken 3

1.3 två exempel 4

1.4 en bredare teoretisk vy 6

1.5 illustration av ett alternativt tillvägagångssätt 8

1.6 en översikt över specialfall 10

1.7 huvudkomponenter 11

1.8 det historiska sammanhanget 12

1.9 närbesläktade fält i statistiken 17

2 den allmänna linjära latenta variabeln Modell 19

2.1 Inledning 19

2.2 modellen 19

2.3 vissa egenskaper hos modellen 20

2.4 ett specialfall 21

2.5 tillräcklighetsprincipen 22

2.6 huvudsakliga specialfall 24

2.7 latenta Variabla modeller med icke-linjära termer 25

2.8 montering av modellerna 27

2.9 montering med maximal sannolikhet 29

2.10 montering med Bayesianska metoder 30

2.11 Rotation 33

2.12 Tolkning 35

2.13 provtagningsfel för parameteruppskattningar 38

2.14 den tidigare fördelningen 39

2.15 bakre analys 41

2.16 en ytterligare anmärkning om den tidigare 43

2.17 psykometrisk slutsats 44

3 den normala linjära Faktormodellen 47

3.1 modellen 47

3.2 vissa fördelningsegenskaper 48

3.3 begränsningar på modellen 50

3.4 maximal sannolikhetsuppskattning 50

3.5 maximal sannolikhetsbedömning med E-M-algoritmen 53

3.6 provtagning variation av estimators 55

3.7 godhet passform och val av q 58

3.8 montering utan normalitet antaganden: minsta kvadrat metoder 59

3.9 andra metoder för montering 61

3.10 ungefärliga metoder för att uppskatta 62

3.11 godhet-of-fit och val av Q för minsta kvadratmetoder 63

3.12 ytterligare uppskattningsfrågor 64

3.13 rotation och relaterade frågor 69

3.14 bakre analys: det normala fallet 67

3.15 bakre analys: minsta kvadrater 72

3.16 bakre analys: en tillförlitlighet tillvägagångssätt 74

3.17 exempel 74

4 binära Data: Latent egenskap modeller 83

4.1 förberedelser 83

4.2 logit/normal modell 84

4.3 probit/normal modell 86

4.4 ekvivalensen av svarsfunktionen och den underliggande variabeln närmar sig 88

4.5 montering av Logit/normal-modellen: E-M-algoritmen 90

4.6 Samplingsegenskaper för maximal Sannolikhetsuppskattning 94

4.7 ungefärliga maximala sannolikhetsuppskattningar 95

4.8 generaliserade minsta kvadratmetoder 96

4.9 godhet av passform 97

4.10 bakre analys 100

4.11 montering av logit/normal och probit/normal modeller: Markov kedja Monte Carlo 102

4.12 divergens av uppskattningsalgoritmen 109

4.13 exempel 109

5 Polytomous data: latenta egenskapsmodeller 119

5.1 Inledning 119

5.2 en Svarsfunktionsmodell baserad på tillräcklighetsprincipen 120

5.3 Parametertolkning 124

5.4 rotation 124

5.5 maximal Sannolikhetsuppskattning av Polytomisk Logit-Modell 125

5.6 en approximation till sannolikheten 126

5.7 binära data som ett specialfall 134

5.8 beställning av kategorier 136

5.9 en alternativ underliggande variabel modell 144

5.10 bakre analys 147

5.11 ytterligare observationer 148

5.12 exempel på analys av polytomiska data med hjälp av logit modell 149

6 latent klass modeller 157

6.1 inledning 157

6.2 den latenta klass modell med binära manifest variabler 158

6.3 den latenta klassmodellen för binär data som latent egenskapsmodell 159

6.4 latenta klasser inom GLLVM 161

6.5 maximal sannolikhetsbedömning 162

6.6 standardfel 164

6.7 bakre analys av den latenta klassmodellen med binära manifest variabler 166

6.8 godhet fit 167

6.9 exempel för binära data 167

6.10 latent klass modeller med oordnade polytomous manifest variabler 170

6.11 latent klass modeller med beställda polytomous manifest variabler 171

6.12 maximum likelihood estimation 172

6.13 exempel på oordnade polytomiska data 174

6.14 identifierbarhet 178

6.15 startvärden 180

6.16 latenta klassmodeller med metriska manifest variabler 180

6.17 modeller med beställda latenta klasser 181

6.18 hybridmodeller 182

7 modeller och metoder för manifest variabler av blandad typ 191

7.1 Inledning 191

7.2 huvudsakliga resultat 192

7.3 andra medlemmar av den exponentiella familjen 193

7.4 Maximum likelihood estimation 195

7.5 Samplingsegenskaper och godhet av passform 201

7.6 blandade latenta klassmodeller 202

7.7 Posterior analys 203

7.8 exempel 204

7.9 ordnade kategoriska variabler och andra generaliseringar 208

8 samband mellan latenta variabler 213

8.1 omfattning 213

8.2 korrelerade latenta variabler 213

8.3 Procrustes metoder 215

8.4 källor till förkunskaper 215

8.5 linjära strukturella relationer modeller 216

8.6 LISREL-modellen 218

8.7 tillräcklighet för en strukturell ekvationsmodell 221

8.8 strukturella förhållanden i en allmän miljö 222

8.9 generaliseringar av LISREL-modellen 223

8.10 exempel på modeller som inte kan särskiljas 224

8.11 implikationer för analys 227

9 relaterade tekniker för att undersöka beroende 229

9.1 introduktion 229

9.2 principal components analysis, (PCA) 229

9.3 ett alternativ till normalfaktormodellen 236

9.4 ersätta latenta variabler med linjära funktioner i manifest variablerna 238

9.5 uppskattning av korrelationer och regressioner mellan latenta variabler 240

9.6 Q-metodik 242

9.7 avslutande reflektioner av latenta variablers roll i statistisk modellering 244

Lämna ett svar

Din e-postadress kommer inte publiceras.