Latent Class Analysis With Distal Outcomes: A Flexible Model-Based Approach.
Latent Class Analysis With Distal Outcomes: A Flexible Model-Based Approach.
复制标题
DOI：
10.1080/10705511.2013.742377
复制
发表时间：
2013-01
期刊：
影响因子：
--
通讯作者：
Bray BC
中科院分区：
文献类型：
--
作者：
Lanza ST;Tan X;Bray BC
虽然在潜在类别分析中从观察到的变量预测类别成员资格是很好理解的，但是从潜在类别成员资格预测观察到的远端结果是更复杂的。一个灵活的基于模型的方法，提出了经验性地推导和总结的类依赖的密度函数的分类，连续或计数分布的远端结果。蒙特卡洛模拟研究进行比较的性能的新技术，两种常用的分类分析技术：最大概率分配和多个伪类提请。模拟结果表明，基于模型的方法产生的效果相比，无论是分类分析技术，特别是当潜在的类变量和远端结果之间的关联是强的偏差估计。此外，我们表明，只有基于模型的方法是一致的。经验证明的方法：青少年抑郁症的潜在类被用来预测吸烟，成绩和犯罪。提供了使用PROC LCA实现此方法的SAS语法和相应的宏。
Although prediction of class membership from observed variables in latent class analysis is well understood, predicting an observed distal outcome from latent class membership is more complicated. A flexible model-based approach is proposed to empirically derive and summarize the class-dependent density functions of distal outcomes with categorical, continuous, or count distributions. A Monte Carlo simulation study is conducted to compare the performance of the new technique to two commonly used classify-analyze techniques: maximum-probability assignment and multiple pseudo-class draws. Simulation results show that the model-based approach produces substantially less biased estimates of the effect compared to either classify-analyze technique, particularly when the association between the latent class variable and the distal outcome is strong. In addition, we show that only the model-based approach is consistent. The approach is demonstrated empirically: latent classes of adolescent depression are used to predict smoking, grades, and delinquency. SAS syntax for implementing this approach using PROC LCA and a corresponding macro are provided.
登录
查看更多内容
影响因子：
1.7
作者：
Lanza ST;Patrick ME;Maggs JL
通讯作者：
Maggs JL
影响因子：
1.9
作者：
Muthén, B;Shedden, K
通讯作者：
Shedden, K
影响因子：
3
作者：
BOZDOGAN, H
通讯作者：
BOZDOGAN, H
影响因子：
6.8
作者：
AKAIKE, H
通讯作者：
AKAIKE, H
DOI：
10.1207/s15328007sem1401_2
发表时间：
2007-01-01
影响因子：
6
作者：
Lubke, Gitta;Muthen, Bengt O.
通讯作者：
Muthen, Bengt O.