Estimation of Latent Group Effects
潜在群体效应的估计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：摘要明确使用潜变量与 EM 算法，但未说明因子结构、行为结构模型或其他所列细分方向。
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
潜在群体效应的估计
- 研究问题
- 当研究变量不能直接观察，只能从有误差或不完整的数据推断时，如何估计潜在群体效应并开展统计推断？
- 方法与思路
- 作者提出边际极大似然估计，用 EM 算法实现，提供渐近标准误和拟合的似然比检验，并以青年能力测验数据示例。
- 材料陈述的贡献
- 摘要称，文章为潜在群体效应提供估计及拟合检验程序，并用美国青年概率样本中的职业能力测验数据说明方法。
- 阅读关注点
- 应核对潜在变量与观测数据的关系、测量误差或缺失的处理、群体效应的可识别性，以及标准误与检验的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明潜变量结构、识别条件或缺失机制，不能将群体效应直接解释为因果效应。
原文摘要
Conventional methods of multivariate normal analysis do not apply when the variables of interest are not observed directly but must be inferred from fallible or incomplete data. A method of estimating such effects by marginal maximum likelihood, implemented by means of an EM algorithm, is proposed. Asymptotic standard errors and likelihood ratio tests of fit are provided. The procedures are illustrated with data from the administration of the Armed Services Vocational Aptitude Battery to a probability sample of American youth.