潜在类别模型及数据模拟分析论文

《潜在类别模型及数据模拟分析论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、潜在类别模型及数据模拟分析论文郭小玲裴磊磊张岩波【摘要】目的：介绍潜在类别模型的原理、方法及其分析过程，为医学模式转变所带来的病因关系的复杂性及其对统计分析方法的改进所提出的要求提供理论依据。方法：利用Mplus软件MonteCarlosimulationstudy模块，按照预先设定的模型产生模拟数据并赋予一定的含义，然后导入Mplus软件直接进行潜在类别分析及多样本分析比较，用图示直观地表现模型参数变化。结果：单样本潜在类别分析显示模型M1中潜在类别2作用大于潜在类别1的作用；模型M2中潜在类别1的作用明显大于潜在类别2的作用。多样本潜在类别分析结果显示所有观察值区分为两类，模型M1与

2、模型M2之间潜在类别具有差异性。讨论：潜在类别分析是描述一组分类变量间相互关系所形成的数学模型，综合了结构方程模型与对数线性模型的思想，可以做探索性研究.freelodel，LCM），是建立在概率分布原理与对数线性模型基础之上，引入因子分析与结构方程模型的思想而形成的。因此，掌握结构方程模型与对数线性模型有助于理解潜在类别模型。潜在类别模型分析过程包括模型参数化、参数估计、模型识别、拟合优度评价、潜在分类与结果解释等［1～4］。1.1概率参数化LCM的概率参数化（probabilisticparameterization）包括两种类型的分类变量：观察变量或显变量（observedvari

3、able,manifestvariable）和非观察变量或潜变量（latentvariable）；两种类型的参数：潜在类别概率（latentclassprobabilities）和条件概率（conditionalprobabilities）。LCM假定任意两个观测变量之间的关系可以由潜变量解释。现假定A、B、C、D为四个显变量（或条目），潜在类别模型可以表达为:πABCDXijklt=πXtπA

4、XitπB

5、XjtπC

6、XktπD

7、Xlt(1)式（1）包含潜在类别概率（πXt）和反映潜在类别对各显变量影响大小的四个条件概率（πA

8、Xit、πB

9、Xjt、πC

10、Xkt、πD

11、Xlt）。在式（

12、1）中，潜在类别概率πXt表示当观察变量局部独立时，潜变量X在第t个水平的概率，即从样本中随机选取的观察对象属于潜在类别t的概率，各潜在类别的概率总和为1，tπXt=1。条件概率，如πA

13、Xit，表示属于潜在类别t的个体对观察变量A的水平i作出反应的概率。根据概率和条件概率的性质，有如下条件成立：iπA

14、Xit=jπB

15、Xjt=kπC

16、Xkt=lπD

17、Xlt=1.01.2模型估计与模型识别提出假定模型后，接下来的重要工作就是求出模型中参数的终解（finalsolution）和参数估计时的识别问题。在潜在类别模型中常用的参数估计方法有EM（expectationmaximiza

18、tion）算法和NR（Nean（1974）提出了一个局部识别（localidentifiability）原则，利用偏导矩阵（partialderivativematrix）来判断模型是否可以得到有意义的解。遇到模型无法识别的情况，可以限定部分参数，减少待估参数数目，提高模型估计的识别性。1.3模型评价与潜在分类模型评价的主要工作就是找出既简洁，具有最少的参数，又具有较好拟合优度的模型，其中4种指标Pearsonχ2、似然比χ2、Akaike信息准则（AIC）、Baysian信息准则（BIC）已经得到广泛使用。在确定模型后，最后要将各组观察值分类到适当的潜在类别当中，来说明观察值的后验类别

19、属性（posteriormembership），即潜在聚类分析（latentclassclusteranalysis）。Kaufman和Rousseeuodelbased），利用概率估计与比较来进行分类，分类的原理依据贝叶斯理论。πABCDtijkl=πABCDXijkltTt=1πABCDXijklt(2)利用式（2）求出值潜变量X的条件概率πABCDtijkl后，根据πABCDtijkl值的大小判断观察值属于哪一类。如果潜在类别t在某一类的概率最大则相应的个体归为该类。1.4探索性与验证性潜在类别分析依据研究目的，潜在类别模型可以分为探索性潜在类别模型与验证性潜在类别模型两种类型

20、。邱皓政［3］对探索性潜在类别模型分析过程进行了总结，有以下几步：1.估计初始模型（T=1的1cluster模型）;2.逐步增加类别数目，进行各模型的参数估计，计算拟合优度值;3.进行拟合优度检验与差异检验，以决定最佳模型;4.进行类别的命名与参数估计结果整理;5.进行分类，决定各观察值的归属类别；而验证性潜在类别分析步骤也为以下几步：1.估计未限定模型（可以是探索性分析的最佳模型或次佳模型）；2.增加限定的参数，并进行模型的参数