Latent Variable Models with Mixed Continuous and Polytomous Data
连续与多类别混合数据的潜变量模型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：摘要明确讨论混合测量数据的潜变量结构方程模型，但未涉及选择行为、效用或经济结构识别，所列细分键缺乏直接对应。
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
连续与多类别混合数据的潜变量模型
- 研究问题
- 当观测变量同时包含连续数据和多类别离散数据时，如何在结构方程模型中分析观测变量与潜变量之间的关系？
- 方法与思路
- 作者研究混合结局的一般结构方程模型，以Monte Carlo–EM算法最大化似然，联合估计未知阈值与协方差结构中的参数。
- 材料陈述的贡献
- 摘要称M步可获得闭式解，算法同时产生潜变量估计，并以真实例子说明方法；摘要未报告具体精度或收敛表现。
- 阅读关注点
- 应核对类别阈值与潜变量尺度的识别约束、分布设定、Monte Carlo误差控制，以及M步闭式解成立的模型条件。
- 阅读边界
- 仅据所给Crossref摘要；具体识别条件、算法收敛保证和案例结果未说明，不能据结构方程名称推断经济结构参数或因果解释。
原文摘要
Summary Owing to the nature of the problems and the design of questionnaires, discrete polytomous data are very common in behavioural, medical and social research. Analysing the relationships between the manifest and the latent variables based on mixed polytomous and continuous data has proven to be difficult. A general structural equation model is investigated for these mixed outcomes. Maximum likelihood (ML) estimates of the unknown thresholds and the structural parameters in the covariance structure are obtained. A Monte Carlo–EM algorithm is implemented to produce the ML estimates. It is shown that closed form solutions can be obtained for the M-step, and estimates of the latent variables are produced as a by-product of the analysis. The method is illustrated with a real example.