Factor tree copula models for item response data
项目反应数据的因子树 Copula 模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要是项目反应的通用潜变量依赖建模，未提供宏观或金融因子及经济离散选择的直接依据。
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…
项目反应数据的因子树 Copula 模型
- 研究问题
- 当少量潜变量不能使项目反应满足条件独立时，如何保留因子模型的简约解释，同时刻画项目之间的残余依赖？
- 方法与思路
- 作者将因子 Copula 与截断藤 Copula 结合，在给定一至两个潜变量后的残余部分设置依赖结构，并讨论估计与模型选择。
- 材料陈述的贡献
- 摘要提出因子树 Copula 模型及选择算法，旨在兼顾简约潜因子解释与残余依赖刻画，并以模拟和创伤后应激数据展示。
- 阅读关注点
- 应核对潜变量及残余树结构的识别、Copula 家族和模型选择标准，以及拟合改善与计算负担之间的实际权衡。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未给出识别条件、选择算法性质或模拟数值，不能断言全面优于其他模型。
原文摘要
Factor copula models for item response data are more interpretable and fit better than (truncated) vine copula models when dependence can be explained through latent variables, but are not robust to violations of conditional independence. To circumvent these issues, truncated vines and factor copula models for item response data are joined to define a combined model, the so-called factor tree copula model, with individual benefits from each of the two approaches. Rather than adding factors and causing computational problems and difficulties in interpretation and identification, a truncated vine structure is assumed on the residuals conditional on one or two latent variables. This structure can be better explained as a conditional dependence given a few interpretable latent variables. On the one hand, the parsimonious feature of factor models remains intact and any residual dependencies are being taken into account on the other. We discuss estimation along with model selection. In particular, we propose model selection algorithms to choose a plausible factor tree copula model to capture the (residual) dependencies among the item responses. Our general methodology is demonstrated with an extensive simulation study and illustrated by analyzing Post Traumatic Stress Disorder.