Identifiability of restricted latent class models with binary responses
二元响应受限潜在类别模型的可识别性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：二元响应潜在类别模型用于社会心理测评，摘要未将响应解释为经济选择或明确提出经济结构估计。
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
二元响应受限潜在类别模型的可识别性
- 研究问题
- 在反映预先设定测评假设的二元响应受限潜在类别模型中，哪些限制结构能够保证参数在严格意义上可识别？
- 方法与思路
- 作者研究一族受限潜在类别模型，发展新的识别证明技术，刻画能够产生严格可识别性的限制结构，并讨论设计指导意义。
- 材料陈述的贡献
- 摘要称建立严格可识别性结果，为多种常用模型的识别提供保证，并为原本依赖经验、未保证识别的测评设计提供指导。
- 阅读关注点
- 应核对限制结构的数学表示、严格识别的定义和参数条件，以及相关结果是充分还是必要、如何转化为测评设计要求。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。具体模型族、限制结构与识别条件未列出；新技术向其他模型推广仅属摘要所述可能性，也不推断刊本变化。
原文摘要
Statistical latent class models are widely used in social and psychological researches, yet it is often difficult to establish the identifiability of the model parameters. In this paper, we consider the identifiability issue of a family of restricted latent class models, where the restriction structures are needed to reflect pre-specified assumptions on the related assessment. We establish the identifiability results in the strict sense and specify which types of restriction structure would give the identifiability of the model parameters. The results not only guarantee the validity of many of the popularly used models, but also provide a guideline for the related experimental design, where in the current applications the design is usually experience based and identifiability is not guaranteed. Theoretically, we develop a new technique to establish the identifiability result, which may be extended to other restricted latent class models.