邊際模式隱藏分類分析

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：43

、訪客IP：3.129.249.105

姓名

鄭書凱(Shu-Kai Zheng) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

邊際模式隱藏分類分析
(Latent class marginal model analysis)

相關論文

★ 2×2列聯表中雙尾檢定p-值之研究	★ 2×2列聯表多項分布獨立性檢定之研究
★ 台灣地區暴力犯罪研究	★ 暴力犯罪與嫌疑人特徵之研究
★ 老人生活滿意度之研究	★ 老人福利需求之研究
★ 中老人罹患主要疾病之研究	★ 中老年對安養機構重要性之分析
★ 中老年人對經濟補助重要性因素之分析	★ 中老年人罹患主要慢性疾病特徵之研究
★ 搶奪現行犯嫌疑人特徵之研究	★ 國家風景特定區之服務品質與遊客滿意度之研究
★ 國道高速公路服務區之隱性服務要素滿意度研究	★ 污水下水道廢水水質指標關係之研究
★ 戶中選樣之研究	★ 離散資料中改良p-值之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

隱藏分類分析 (Latent class analysis) 經常用以對無法直接觀測到變數的分析，例如在醫學的研究上，在真正疾病狀況 (即隱藏變數) 無法得知的情形下，我們會根據一些醫師的診斷結果 (即顯現變數) 進行分析，並藉此求得診斷的正確性。
傳統上隱藏變數分析最基本的假設是在給定隱藏分類的條件下，
各顯現變數之間彼此獨立，然而在實際的應用中，這樣的假設通常是不可行的。因此在這篇論文中，我們考慮的模式將納入給定隱藏分類下某些顯現變數之間的關聯性，我們對這樣的模式予以參數化，使得給定隱藏變數下，顯現變數的條件機率能以模式中參數的函數表示，而此條件機率通常是人們所感興趣的，並且我們利用邊際模式來說明存在於隱藏分類間顯現變數的相關性。
本研究亦將分類數由二個分類增加為三個分類，並介紹配適隱藏變數與顯現變數均為次序類別變數的模式。
在演算法方面利用改良於 EM 演算法的 EM 陡降演算法 (EM gradient algorithm) 來求得參數的最大概似估計，
並且估計這些估計量的準確性。本研究亦分別利用兩個實例來進行二分類與三分類隱藏分類邊際模式的配適。
研究結果發現，
1.獨立的隱藏分類模式不適切時，利用隱藏分類邊際模式可以得到一個合理(含有顯現變數的相關性)且易於解釋 (分類數相等) 的配適。
2.分類數增加後，矩陣規模增加的相當快速，雖然次序變數能減少參數個數，但就三分類與二分類比較，程式的執行時間增加的相當多。
基於實際的應用上，我們考慮具相關性且分類數多於二類的模式，然而在本研究著重於四個顯現變數的探討，四個以上的顯現變數是後續研究可以考慮的。

關鍵字(中)

★ 隱藏變數
★ 隱藏分類模式
★ 邊際模式
★ EM演算法
★ EM陡降演算法

關鍵字(英)

★ latent variable
★ latent class model
★ marginal model
★ EM algorithm
★ EM gradient algorithm

論文目次

目錄
圖目錄 II
表目錄 III
第一章緒論 1
1.1 研究目的與問題 1
1.2 文獻探討 2
1.2.1 隱藏變數模式 2
1.2.2 隱藏分類模式 4
1.2.3 相關演算法 6
第二章隱藏分類邊際模式 9
2.1 列聯表的邊際模式 9
2.2 二分類隱藏分類邊際模式 11
2.3 三分類隱藏分類邊際模式 15
2.4 矩陣表示式 17
2.5 最大概似估計及演算法 18
2.6 隱藏分類模式的可鑑別性 22
2.7 參數估計量的變異數及配適統計量 24
第三章實例研究 26
3.1 診斷正確性實例 26
3.1.1 資料說明 26
3.1.2 模型選擇與配適 27
3.1.3 結果分析 31
3.2 男女角色定位觀點實例 33
3.2.1 資料說明 33
3.2.2 模型選擇與配適 36
3.2.3 結果分析 39
3.3 小結 41
第四章結論 42
參考文獻 43

參考文獻

[1]中央研究院社會所， (1999). 台灣地區社會變遷基本調查資料庫。
http://140.109.196.2/sc1/scdown.htm (取得日期：2000,5,25)
[2]王光祿， (1995). 「離散資料同時模式之探討」，國立中央大學統計研究所未出版碩士論文。
[3]Agresti, A. (1990). Categorical Data Analysis. New York: Wiley.
[4]Alvord, W. G., Drummond, J. E., Arthur, L. O., Goedert, J. J., Levine, P. H., Murphy, E. L., Jr., Weiss, S. H. & Blattner, W. A. (1988).A Method for Predicting Individual HIV Infection Status in The Absence of Clinical Information. Aids Research and Human Retroviruses, 4, pp.295-304.
[5]Bartholomew, D. J. (1987). Latent Variable Models and Factor Analysis. Charles Griffin & Company Limited.
[6]Becker, M. P. & Yang, I. (1998). Latent Class Marginal Models for Cross-Classifications of counts. Sociological Methodology, pp.293-325.
[7]Becker, M. P., Yang, I. & Lange, K. (1997). EM Algorithm without Missing Data. Statistical Method in Medical Research, 6, pp.38-57.
[8]Clogg, C. C. (1979). Some Latent Structure Models for The Analysis of Likert-type Data. Science Research, 8, pp.287-301.
[9]Clogg, C. C. (1995). Latent Class Models. In Handbook of Statistical Modeling for the Social and Behavorial Sciences, G. Arminger, C. C. Clogg, & M. E. Sobel (eds), pp.311-359. New York: Plenum.
[10]Clogg, C. C. & Goodman, L. A. (1984). Latent Structure Analysis of A Set of Multidimensional Contingency Tables. Journal of the American Statistical Association, 79, pp.762-771.
[11]Espeland, M. A. & Handelman, S. L. (1989). Using Latent Class Models to Characterize and Access Relative Error in Discrete Measurements. Biometrics, 45, pp.587-599.
[12]Formann, A. K. (1978). The Latent Class Analysis of Polychotomous Data. Biom. J., Vol. 20, No. 718, pp.755-771.
[13]Formann, A. K. (1994). Measurement Errors in Caries Diagnosis: Some Further Latent Class Models. Biometrics, 50, pp.865-871.
[14]Goodman, L. A. (1974). Exploratory Latent structure analysis usint both identifiable and unidentifiable models. Biometrika, 61, pp.215-231.
[15]Haber, M. (1985). Maximum Likelihood Method for Linear and Log-Linear Models in Categorical Data. Computational Statistics & Data Analysis, 3, pp.1-10.
[16]Haberman, S. J. (1979). Analysis Qualitative Data, Volume 2, New Development. New York: Academic Press.
[17]Heinen, T. (1996). Latent Class and Discrete Latent Trait Models. Sage Publications.
[18]Lang, J. B. (1992). On Model fitting for Multivariate Polytomous Reponse Data. Unpublished dissertation, University of Folrida.
[19]Lang, J. B. (1993). Large Sample Behavior for A Broad Class of Multivariate Categorical Data Models. Unpublished Technical Report, University of Iowa.
[20]Lang, J. B. & Agresti, A. (1994). Simultaneously Modeling Joint and Marginal Distributions of Multivariate Categorical Responses. Journal of the American Statistical Association, Vol. 89, No. 426, pp.625-632.
[21]Lange, K. (1995). A Gradient Algorithm Locally Equivalent to The EM Algorithm. Journal of Royal Statistical Society, Series B 57, No. 2, pp.425-437.
[22]Lazarsfeld, P. F. (1950). Logical and Mathematical foundations of Latent structure Analysis. In Stouffer, S. A. et al.: Studies in Social Psychology in World War II, Vol. IV, Princeton Univ. Press.
[23]Lazarsfeld, P. F. & Henry, N. W. (1968). Latent Structure Analysis. Boston: Houghton Mifflin Co.
[24]McHugh, R. B. (1956). Efficient Estimation and Local Identification in Latent Class Analysis. Psycometrika, Vol. 21, No. 4, pp.331-347.
[25]Meng, X. & Rubin, D. B. (1991). Using EM to Obtain Asymptotic Variance-Covariance Matrices: The SEM Algorithm. Journal of the American Statistical Association, Vol. 86, No. 416, pp.899-909.
[26]Poulsen, C. S. (1982). Latent Structure Analysis with Choice Modeling Application. doctoral dissertation, The Arhus School of Business Administration and Economic.
[27]Qu, Y. & Hadgu, A. (1998). A Model for Evaluating Sensitivity and Specificity for Correlated Diagnostic Tests in Efficacy Studies With an Imperfect Referenct Test. Journal of the American Statistical Association, Vol. 93, No. 443, pp.920-928.
[28]Qu, Y., Tan, M. & Kutner, M. H. (1996). Random Effects Models in Latent Class analysis for Evaluating Accuracy of Diagnostic Tests. Biometrics, 52, pp.797-810.
[29]Ramaswamy, V., Chatterjee, R. & Cohen, S. H. (1999). Reply to "A note on Ramaswamy, Chatterjee, and Cohen's Latent Joint Segmentation Models". Journal of Marketing Research Vol. XXXVI, pp.115-119.
[30]Uebersax, J. S. & Grove, W. M. (1990). Latent Class analysis of Diagnostic Agreement. Statistics in Medicine, 9, pp.559-572.
[31]Yang, I. & Becker, M. P. (1997). Latent Variable Modeling of Diagnostic Accuracy. Biometrics, 53, pp.948-958.

指導教授

楊明宗(Ming-Chung Yang)

審核日期

2000-6-19

推文