Exploratory latent structure analysis using both identifiable and unidentifiable models
使用可识别与不可识别模型的探索性潜在结构分析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：多分类观测变量与潜在结构模型不等同于经济离散选择或结构估计，摘要依据不足。
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
使用可识别与不可识别模型的探索性潜在结构分析
- 研究问题
- 如何用潜在结构模型解释多个多分类观测变量的关系，并在参数可能不可识别时估计拟合频数和检验模型？
- 方法与思路
- 作者对一类潜在结构模型计算列联表期望频数的最大似然估计，判断参数可识别性，并检验拟合与替换模型。
- 材料陈述的贡献
- 摘要称同时处理可识别与不可识别模型，并提供将拟合良好的不可识别模型替换为拟合良好的可识别模型的方法。
- 阅读关注点
- 应区分期望频数可估计与参数可识别，核对模型类别、识别判据、拟合检验，以及替换模型保持何种拟合性质。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不能推断其他版本变化。摘要未说明模型条件、检验分布或模型替换是否唯一。
原文摘要
This paper considers a wide class of latent structure models. These models can serve as possible explanations of the observed relationships among a set of m manifest polytomous variables. The class of models considered here includes both models in which the parameters are identifiable and also models in which the parameters are not. For each of the models considered here, a relatively simple method is presented for calculating the maximum likelihood estimate of the frequencies in the m-way contingency table expected under the model, and for determining whether the parameters in the estimated model are identifiable. In addition, methods are presented for testing whether the model fits the observed data, and for replacing unidentifiable models that fit by identifiable models that fit. Some illustrative applications to data are also included.