Partial identifiability of restricted latent class models
受限潜在类别模型的部分可识别性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：潜在类别和离散响应并不自动构成离散选择模型，摘要未提供所列细分所需的行为或应用依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
受限潜在类别模型的部分可识别性
- 研究问题
- 通过设计矩阵限制观测响应与潜在特质关系的潜在类别模型，哪些参数能够严格或部分识别，如何据此设计有效诊断测试？
- 方法与思路
- 作者构建严格与部分可识别性的一般框架，在模型正确设定时给出仅依赖设计矩阵的可检查条件，并应用于认知诊断设计。
- 材料陈述的贡献
- 摘要称识别条件易于检查，可为诊断测试设计提供指导，并首次在该框架下建立若干认知诊断设计的可识别性。
- 阅读关注点
- 应核对严格识别与部分识别的对象、设计矩阵条件及其必要性，特别检查模型正确设定的含义与具体认知诊断模型限制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；设计矩阵条件和具体已识别参数未提供，不能推断模型误设下的识别或估计表现。
原文摘要
Latent class models have wide applications in social and biological sciences. In many applications, prespecified restrictions are imposed on the parameter space of latent class models, through a design matrix, to reflect practitioners’ assumptions about how the observed responses depend on subjects’ latent traits. Though widely used in various fields, such restricted latent class models suffer from nonidentifiability due to their discreteness nature and complex structure of restrictions. This work addresses the fundamental identifiability issue of restricted latent class models by developing a general framework for strict and partial identifiability of the model parameters. Under correct model specification, the developed identifiability conditions only depend on the design matrix and are easily checkable, which provide useful practical guidelines for designing statistically valid diagnostic tests. Furthermore, the new theoretical framework is applied to establish, for the first time, identifiability of several designs from cognitive diagnosis applications.