Latent Class Modeling with Covariates: Two Improved Three-Step Approaches

范畴变量 协变量 计算机科学 多项式logistic回归 统计 潜在类模型 班级(哲学) 逻辑回归 多项式分布 数学 数据挖掘 人工智能
作者
Jeroen K. Vermunt
出处
期刊:Political Analysis [Cambridge University Press]
卷期号:18 (4): 450-469 被引量:1730
标识
DOI:10.1093/pan/mpq025
摘要

Researchers using latent class (LC) analysis often proceed using the following three steps: (1) an LC model is built for a set of response variables, (2) subjects are assigned to LCs based on their posterior class membership probabilities, and (3) the association between the assigned class membership and external variables is investigated using simple cross-tabulations or multinomial logistic regression analysis. Bolck, Croon, and Hagenaars (2004) demonstrated that such a three-step approach underestimates the associations between covariates and class membership. They proposed resolving this problem by means of a specific correction method that involves modifying the third step. In this article, I extend the correction method of Bolck, Croon, and Hagenaars by showing that it involves maximizing a weighted log-likelihood function for clustered data. This conceptualization makes it possible to apply the method not only with categorical but also with continuous explanatory variables, to obtain correct tests using complex sampling variance estimation methods, and to implement it in standard software for logistic regression analysis. In addition, a new maximum likelihood (ML)—based correction method is proposed, which is more direct in the sense that it does not require analyzing weighted data. This new three-step ML method can be easily implemented in software for LC analysis. The reported simulation study shows that both correction methods perform very well in the sense that their parameter estimates and their SEs can be trusted, except for situations with very poorly separated classes. The main advantage of the ML method compared with the Bolck, Croon, and Hagenaars approach is that it is much more efficient and almost as efficient as one-step ML estimation.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
miyulong发布了新的文献求助10
5秒前
悲痛宇宙完成签到,获得积分10
14秒前
青岛彭于晏完成签到 ,获得积分10
15秒前
哈哈哈完成签到 ,获得积分10
15秒前
蓝眸完成签到 ,获得积分10
27秒前
温柔觅松完成签到 ,获得积分10
38秒前
水晶李完成签到 ,获得积分10
43秒前
kanong完成签到,获得积分0
55秒前
bluelemon发布了新的文献求助10
58秒前
Ha完成签到 ,获得积分10
58秒前
fanssw完成签到 ,获得积分10
1分钟前
Luke Gee完成签到 ,获得积分10
1分钟前
Tonnyjing应助彭友俊采纳,获得10
1分钟前
仲夏的梦完成签到 ,获得积分10
1分钟前
科研通AI2S应助全鑫采纳,获得10
1分钟前
上善若水呦完成签到 ,获得积分10
1分钟前
请叫我鬼才完成签到,获得积分10
1分钟前
孟寐以求完成签到 ,获得积分10
1分钟前
风笛完成签到 ,获得积分10
1分钟前
gxq19848888完成签到,获得积分20
1分钟前
金生六完成签到 ,获得积分10
1分钟前
王红玉完成签到,获得积分10
1分钟前
Axs完成签到,获得积分10
1分钟前
陈秋发布了新的文献求助10
1分钟前
Ray完成签到 ,获得积分10
1分钟前
kento应助研友_xnEOX8采纳,获得50
1分钟前
小玲子完成签到 ,获得积分10
1分钟前
janer完成签到 ,获得积分10
1分钟前
glanceofwind完成签到 ,获得积分10
1分钟前
Lrh完成签到 ,获得积分10
2分钟前
光亮若翠完成签到,获得积分10
2分钟前
你好发布了新的文献求助10
2分钟前
嗯好22222完成签到 ,获得积分10
2分钟前
睡觉王完成签到 ,获得积分10
2分钟前
巫巫巫巫巫完成签到 ,获得积分10
2分钟前
握瑾怀瑜完成签到 ,获得积分0
2分钟前
陈无敌完成签到 ,获得积分10
2分钟前
星空完成签到 ,获得积分10
2分钟前
研友_8Y26PL完成签到 ,获得积分10
2分钟前
海孩子完成签到,获得积分10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921