hyreg2: An R package to Estimate Latent Classes on a Mixture of Continuous and Dichotomous Data
hyreg2：混合连续与二元数据的潜在类别估计 R 包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：摘要研究混合结果的潜在类别软件实现；二元响应并未被明确解释为选择行为，故不足以归入离散选择等细分。
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
hyreg2：混合连续与二元数据的潜在类别估计 R 包
- 研究问题
- 当连续和二元结果被认为来自共同的数据生成过程时，如何通过联合似然估计潜在类别及共同参数，并简化软件实现？
- 方法与思路
- 作者采用连续响应正态、二元响应二项的联合似然，借助 flexmix 的 EM 算法估计潜在类别，并支持异方差与删失。
- 材料陈述的贡献
- 摘要称 hyreg2 提供无需自行编写似然的估计、汇总和可视化功能，并以 EQ-5D-5L 价值集估计展示使用方法。
- 阅读关注点
- 应核对共同参数约束、类别识别与数量选择、异方差及删失的处理方式，以及 EM 初值和局部最优对结果的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未报告估计性能或适配诊断，联合分布设定的合理性仍需核对。
原文摘要
The R package hyreg2 introduces a frequentist framework for estimating latent class models for mixed outcome types using a joint likelihood approach. The method combines continuous and dichotomous data under the assumption that both outcome types arise from a common underlying data-generating process. In the implemented model, continuous responses are assumed to follow a normal distribution, while dichotomous responses are modeled using a binomial distribution. Such models are used in various scientific disciplines to estimate a common set of parameters across different types of data (e.g. clinical trials, econometrics and health economics). Latent class estimation is performed using the expectation-maximization algorithm as implemented in the widely used R package flexmix. The hyreg2 package offers a user-friendly implementation of this joint likelihood framework, allowing users to estimate models without explicitly programming the likelihood function. Heteroskedasticity as well as censored data can be taken into account. In addition to model estimation, the package provides dedicated summary and visualization functions to facilitate the interpretation of results. The article presents the methodological framework underlying the package and illustrates its functionality through an example based on the estimation of an EQ-5D-5L value set.