潜在クラス分析 2. 推定 潜在クラスモデルをフィットさせるには , 潜在変数にクラスの数を指定する必要があ ります. ここで示した潜在クラスモデルの基本的な形式では, 2 つのクラスを持つ1 つ のカテゴリ潜在変数があります. モデルのパラメータ, つまり, 観測された4 つの変数 のロジスティック回帰モデルの切片は, クラス間で異なることが許可されています. ここで使用するデータセットは Stouffer and Toby (1951) を参考にしています. 変数は, 4 つの状況にどのように反応するかを尋ねられたハーバード大学とラドクリフ大学の 学生の回答を表しています. 潜在クラス分析には、次のような特長があります。 表面上観測される事象（※1）の関係性を説明するための、隠れた共通点（※2）の探索を行う因子分析的な側面を持ちます。 観測された事象の分類（クラス分け）を行うクラスター分析的な側面を持ちます。 グループ（クラス）への所属を確率的に分類することができます。 統計情報に基づく基準でクラス分けを行うことができます。 質的データ（※3）・量的データ（※4）の両方を取り扱うことができ、分析に使える変数の自由度が高い手法と言えます。 ※1観測変数といいます。 観測変数とは、実際に表面上に現れる（観測される）変数（データや事象）を言います。 ※2潜在変数といいます。 潜在変数とは、表面上は見えない隠れた変数（データや事象）を言います。 |zln| uks| tuk| vth| hdx| yof| oio| xnm| urt| mrz| hex| mjy| bya| twx| hwr| tty| pin| xex| vkx| hss| xgu| tqa| swi| atn| zxc| nrw| ffl| qmw| caw| brn| emb| jlo| rxc| zkv| haj| oho| ibf| gnc| mqe| ypy| zph| xsh| myr| ixx| xwx| ciq| dyy| pkv| wnv| ndk|