Модель со скрытыми переменными - Википедия - Latent variable model
 | Эта статья поднимает множество проблем. Пожалуйста помоги Улучши это или обсудите эти вопросы на страница обсуждения. (Узнайте, как и когда удалить эти сообщения-шаблоны) (Узнайте, как и когда удалить этот шаблон сообщения)
|
А скрытая переменная модель это статистическая модель что связывает набор наблюдаемые переменные (так называемый переменные манифеста) к набору скрытые переменные.
Предполагается, что ответы на индикаторы или переменные манифеста являются результатом позиции человека в отношении скрытой (ых) переменной (ов), и что переменные манифеста не имеют ничего общего после контроля скрытой переменной (местная независимость ).
Различные типы модели скрытых переменных могут быть сгруппированы в зависимости от того, являются ли явные и скрытые переменные категориальными или непрерывными:[1]
| Переменные манифеста | ||
|---|---|---|
| Скрытые переменные | Непрерывный | Категоричный |
| Непрерывный | Факторный анализ | Теория отклика предмета |
| Категоричный | Скрытый анализ профиля | Анализ скрытых классов |
В Модель раша представляет собой простейшую форму теории ответов на вопросы. Модели смесей играют центральную роль в анализе скрытого профиля.
В факторный анализ и анализ скрытых признаков скрытые переменные рассматриваются как непрерывные нормально распределенный переменных, а также в анализе скрытого профиля и анализе латентного класса, как от полиномиальное распределение.[2] Явные переменные в факторном анализе и анализе скрытого профиля являются непрерывными, и в большинстве случаев их условное распределение с учетом скрытых переменных считается нормальным. В анализе латентных признаков и анализе латентных классов явные переменные дискретны. Эти переменные могут быть дихотомическими, порядковыми или номинальными переменными. Их условные распределения считаются биномиальными или полиномиальными.
Поскольку распределение непрерывной скрытой переменной может быть аппроксимировано дискретным распределением, различие между непрерывными и дискретными переменными оказывается вовсе не принципиальным. Следовательно, может существовать скрытая психометрическая переменная, но не психологический психометрическая переменная.
Недавно DSD и моделирование скрытых переменных были впервые применены для оптимизации процедуры экстракции с целью анализа целевых соединений, присутствующих в образцах вина. Моделирование скрытых переменных может быть подходящим инструментом для оптимизации аналитических методов, способствуя реализации строгих, систематических и более эффективных протоколов оптимизации. [3]
Смотрите также
- Моделирование пути методом частичных наименьших квадратов
- Частичная регрессия наименьших квадратов
- Структурное моделирование уравнение
- Псевдо-маргинальный алгоритм Метрополиса-Гастингса
Рекомендации
- ^ Дэвид Дж. Бартоломью, Фиона Стил, Ирини Мустаки, Джейн И. Гэлбрейт (2002), Анализ и интерпретация многомерных данных для социологов, Chapman & Hall / CRC, стр. 145
- ^ Эверитт, Б.С. (1984). Введение в модели со скрытыми переменными. Чепмен и Холл. ISBN 978-9401089548.
- ^ «Конечные проекты скрининга и моделирование скрытых переменных для оптимизации твердофазной микроэкстракции (SPME): тематическое исследование - Количественное определение летучих жирных кислот в винах». Дои:10.1016 / j.chemolab.2018.06.010. Цитировать журнал требует
| журнал =(помощь)