Latent Dirichlet Analysis of Categorical Survey Responses
分类调查回答的潜在狄利克雷分析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：摘要明确将统计潜类模型对应到信息获取的经济结构模型，并以此指导参数解释与估计，因此归入结构估计。
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
分类调查回答的潜在狄利克雷分析
- 研究问题
- 如何从定性调查回答中识别信念的共同变动及个体间异质性，并将潜在信念类型与信息获取行为和后续经济结果联系起来？
- 方法与思路
- 作者使用贝叶斯层级潜类模型，并将其对应到信息获取的经济结构模型；针对具有动态回答结构的重复调查，提出随机优化估计。
- 材料陈述的贡献
- 摘要称给出信念类型数的选择指导；两个例子分别揭示消费者情绪指数之外的信息，并用信念类型分析教育回报异质性。
- 阅读关注点
- 阅读时应核对潜类与信息获取模型的对应关系、参数解释、动态调查结构和类型数选择，以及教育回报分析的识别依据。
- 阅读边界
- 摘要未说明结构模型的具体假设、动态结构或教育回报的识别策略；潜在信念类型本身不能保证后续异质性分析具有因果解释。
原文摘要
Beliefs are important determinants of an individual’s choices and economic outcomes, so understanding how they comove and differ across individuals is of considerable interest. Researchers often rely on surveys that report individual beliefs as qualitative data. We propose using a Bayesian hierarchical latent class model to analyze the comovements and observed heterogeneity in categorical survey responses. We show that the statistical model corresponds to an economic structural model of information acquisition, which guides interpretation and estimation of the model parameters. An algorithm based on stochastic optimization is proposed to estimate a model for repeated surveys when responses follow a dynamic structure and conjugate priors are not appropriate. Guidance on selecting the number of belief types is also provided. Two examples are considered. The first shows that there is information in the Michigan survey responses beyond the consumer sentiment index that is officially published. The second shows that belief types constructed from survey responses can be used in a subsequent analysis to estimate heterogeneous returns to education.