Latent Dirichlet Analysis of Categorical Survey Responses
类别型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。
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：摘要明确将潜在类别统计模型对应到经济信息获取结构模型，并据此解释和估计参数。
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
类别型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与个体异质性，并将潜在信念类型与经济信息获取行为联系起来？
- 方法与思路
- 作者采用贝叶斯分层潜在类别模型，将其联系到信息获取结构模型，并为具有动态结构的重复调查提出随机优化算法。
- 材料陈述的贡献
- 摘要称，论文提供信念类型数量的选择指导，并展示消费者调查指数之外的信息及信念类型在教育回报异质性分析中的用途。
- 阅读关注点
- 核对潜在类别参数与信息获取机制的对应关系、动态模型的识别及估计步骤，以及生成的信念类型用于后续分析时的处理。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明结构识别条件，教育回报应用也未交代因果识别策略。
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.