초록 열기/닫기 버튼
The fundamental asumption in any latent variable model is that observations are independent of one another, given the latent status. However, this asumption is often inadequate when observations are nested within higher-level units because such nested data structures induce dependencies in data. The nonparametric version of the multilevel latent clas model (MLCM) is an extension of latent clas model (LCM) in which the dependencies in data are acounted for by discrete latent variables. This paper aims to review models with discrete latent variables and introduce the MLCM which integrates LCM and random efect model. The model selection isue in the MLCM is also discused with an empirical example.
잠재변수를 포함한 통계모형의 기본적인 가정은 개인의 응답이 서로 독립적이라는 것이다. 그러나 관찰치가 상위 수준의 집단에 속한 다층 구조에서 수집된 자료의 경우에는 동일한 집단에 속한 관찰치의 응답 간 상관이 발생하므로독립성 가정이 충족되지 않는다. 비모수 다층잠재계층 모형은 집단수준의 범주형 잠재변인을 가정하여 동일한 집단에 속하여 발생하는 응답 간 상관을 설명하는 모형이다. 본 논문은 잠재계층분석 모형과 무선효과 모형을 통합한 비모수적 다층잠재계층 모형을 소개하고 실제 자료를 바탕으로 개인과 집단수준에서최적의 잠재계층의 수를 결정하는 과정에 대해서 논의한다.
키워드열기/닫기 버튼
다층 잠재계층 모형, 다층 모형, 잠재계층분석, 모형 선택
