タグ付けされた質問 「latent-class」

コンテキスト： 200人の参加者を対象に、20週間にわたって週に1回従属変数（DV）を測定する縦断的研究があると想像してください。私は一般的に興味がありますが、私が考えている典型的なDVには、雇用後の仕事のパフォーマンスや、臨床心理学的介入後のさまざまな幸福度測定が含まれます。 マルチレベルモデリングを使用して、時間とDVの関係をモデル化できることを知っています。また、係数（切片、勾配など）を個人間で変化させ、参加者の特定の値を推定することもできます。しかし、データを視覚的に検査したときに、時間とDVの関係が次のいずれかであることがわかったらどうなるでしょうか。 機能的な形式が異なります（おそらくいくつかは線形であり、他は指数関数的であるか、いくつかは不連続性を持っています） 誤差の分散が異なる（個人によっては、ある時点から次の時点までにより変動しやすい） 質問： このようなモデリングデータにアプローチする良い方法は何でしょうか？ 具体的には、どのようなアプローチがさまざまなタイプの関係を識別し、そのタイプに関して個人を分類するのに適していますか？ そのような分析のためのRにはどのような実装が存在しますか？ これを行う方法に関する参考文献はありますか？教科書または実際のアプリケーションですか？

32 repeated-measures  random-effects-model  latent-class 

潜在クラス分析（LCA）とクラスター分析から作成できる推論の違いは何ですか？クラスター分析はクラスター化アルゴリズムからの相関属性の経験的記述であるのに対し、LCAはクラスを生じさせる潜在的な潜在変数を想定しているのは正しいですか？社会科学では、LCAが人気を得ており、クラスター分析では得られない正式なカイ2乗有意性検定があるため、方法論的に優れていると考えられます。 「LCAはこれに適していますが（クラスター分析ではありません）、クラスター分析はこれに適しています（ただし、潜在クラス分析ではありません）」の形式で例を提供できれば素晴らしいと思います。 ありがとう！ブライアン

30 clustering  latent-variable  latent-class 

潜在クラス分析を使用して、バイナリ変数のセットに基づいて観測値のサンプルをクラスター化しています。私はRとパッケージpoLCAを使用しています。LCAでは、検索するクラスターの数を指定する必要があります。実際には、人々は通常、それぞれが異なる数のクラスを指定する複数のモデルを実行し、さまざまな基準を使用して、データの「最良の」説明を決定します。 さまざまなモデルを調べて、class =（i）のモデルに分類された観測値がclass =（i + 1）のモデルによってどのように分布されるかを理解しようとすることが非常に役立つことがよくあります。少なくとも、モデル内のクラスの数に関係なく、非常に堅牢なクラスターが見つかることがあります。 これらの関係をグラフ化し、これらの複雑な結果をより簡単に論文で伝えたり、統計学に向いていない同僚に伝えたりしたいのですが。これは、Rである種の単純なネットワークグラフィックパッケージを使用して非常に簡単に実行できると思いますが、その方法がわかりません。 誰かが私を正しい方向に向けてくれませんか？以下は、サンプルデータセットを再現するコードです。各ベクトルxiは、可能性のあるi個のクラスを持つモデルで、100個の観測値の分類を表します。観測（行）がクラス間で列全体にどのように移動するかをグラフ化したいと思います。 x1 <- sample(1:1, 100, replace=T) x2 <- sample(1:2, 100, replace=T) x3 <- sample(1:3, 100, replace=T) x4 <- sample(1:4, 100, replace=T) x5 <- sample(1:5, 100, replace=T) results <- cbind (x1, x2, x3, x4, x5) ノードが分類であり、エッジが（重みまたは色によって）モデル間で分類から移動する観測の％を反映するグラフを作成する方法があると思います。例えば 更新：igraphパッケージでいくつかの進歩があります。上記のコードから始めます... poLCAの結果は、クラスメンバーシップを説明するために同じ番号をリサイクルするため、少し再コーディングする必要があります。 N<-ncol(results) n<-0 for(i in 2:N) { …

9 data-visualization  mixture  latent-class 

Rで潜在クラス成長分析（LCGA）および/または成長混合モデル（GMM）を実行しようとしています。使用しているデータは、gitリポジトリ（離散変数、カテゴリーではない）のフォークの数が増えています。このデータセットを参照してください。 私はを試しlavaanましたが、潜在成長曲線モデルを適合させるのに役立ちましたが、潜在クラスを特定することはできませんでした。またpoLCA、を試してみましたが、これはカテゴリカルな多変数変数に対してのみ機能するため、どちらも不十分でした。 離散変数データで潜在クラス成長分析を実行するための最も適切なRパッケージは何ですか？ 私がやりたい分析は、Qureshi＆Fang（2010）の分析と似ています。 Qureshi、I.とFang、Y.2010。「オープンソースソフトウェアプロジェクトの社会化：成長混合モデリングアプローチ」、組織的研究手法（14：1）、ページ208–238。

8 r  latent-variable  latent-class  growth-mixture-model 

最近の研究は、特定の心理的構成要素が潜在的に次元的であるか分類学的であるか（すなわち、分類群またはクラスを含むか）を決定しようとしました。たとえば、研究者は、怪我後に慢性疼痛を発症する可能性が高い特定の「クラス」の人々がいるかどうか、または慢性疼痛を発症するリスクが、限られたリスクから非常に高いリスク。私は、研究者が2種類の分析を使用してこれらのタイプの質問に答えようとすることに気づきました。 以下は、タキソメトリック調査の例です。 不安過敏症の分類学：多国籍分析 不確実性構造の不寛容の潜在構造の評価：初期の分類学的分析 潜在クラス分析を使用した例をいくつか示します。 最近発症したタバコ喫煙者で観察された経験に由来するタバコ依存症候群の潜在クラス：全国確率サンプル調査からの疫学的証拠 外傷後ストレス障害の構造：2つのコミュニティサンプルの潜在クラス分析 ここに私の質問があります： 英語で、これら2つのタイプの分析の主な違いは何ですか？可能であれば、彼らが異なる質問に答えるかどうか、そしてそれらが分析的に（数学的に）どのように異なるかを詳しく説明します。 私の「紹介」で強調した質問のタイプに答えるのにどちらが良いですか、そしてなぜですか？おそらく、これは現時点では本当に答えられないでしょう。 また、このトピックに関連すると思われる情報を共有してください。フォローアップ質問がある気がします！

8 clustering  latent-variable  psychology  latent-class  model-based-clustering