Ciao,
Sto discutendo con un cliente se uno potrebbe usare l'analisi della classe latente per informare l'analisi del sondaggio.
Immagina di avere domande su "Fiducia" in qualunque cosa, le risposte sono "Molto", "Alcuni", "non troppo", "niente affatto", "rifiutato". Quindi hai molte altre domande su habbit personali, fiducia nelle organizzazioni pubbliche, comunità locale, informazioni specifiche per paese, salute, modelli di acquisto e così via da altri studi non necessariamente correlati tra loro, dati demografici. Ciò avviene, ad esempio, nel PANNELLO TENDENZE AMERICANE DEL CENTRO RICERCA PEW 2016. Altri hanno detto che ci sono alcune domande, alcune solo un sottogruppo e altre un altro sottogruppo e così via.
Avrebbe senso raggruppare prima le domande alle quali tutti devono rispondere prima di esaminare i dettagli delle altre domande? Penso all'utilizzo di un cluster di classe latente come prestep e quindi ad es MCA, categoriale, modellistica e altri, ma utilizzando i cluster.
Jian ha un ottimo esempio di analisi di un sondaggio che utilizza l'analisi fattoriale per ottenere predittori da un sondaggio che potrebbe essere collegato alle proprietà dell'auto. Considero questo tipo di simile.
Tuttavia, ciò di cui non sono sicuro è: questa statistica è corretta o rispondo a qualsiasi ipotesi di cui dovrei occuparmi? Per esempio facendo una classe latente e poi un'analisi categoriale, potrebbe essere che ho aggiunto un certo pregiudizio o ponderazione indesiderata attraverso i cluster di classe latente?
So che si tratta di una domanda più generale, ma se ciò fosse fattibile si potrebbero combinare sondaggi da fonti diverse purché sia possibile collegare i partecipanti a tali cluster generali e trarre conclusioni da un argomento a un argomento completamente diverso per un partecipante senza chiedendo a questa persona il diverso argomento, perché questa persona appartiene a un gruppo (come più fiducioso di altri) che può essere collegato alle conclusioni del secondo sondaggio (c'è un problema con le scuole locali, ...).
(Onestamente questo è un po 'spaventoso, poiché potresti non dover rispondere a nessuna domanda ma potrebbe essere valutato in base alle risposte di altre persone, ma probabilmente è già vero per quei googes e le amazzoni del mondo).
Scrivi breve domanda breve: c'è qualche motivo statistico per non seguire una tale metodologia?
Grazie,
balestruccio
In allegato alcuni dati dello studio sopra citato. Esistono tre moduli ciascuno con diverse domande. Maggiori informazioni e una tabella sono disponibili qui: di seguito nella mia seconda risposta è presente un collegamento all'unità users2
Ciao Jian,
grazie per i tuoi pensieri. Quindi usare LCA come X per un'analisi categorica va bene. Per l'uso della modellazione piuttosto no. Questo aiuta già!
Ho allegato la tabella di dati puliti e modificati e ho cercato di rendere le variabili di raggruppamento il più descrittibili possibile, quindi è più facile da seguire.
Ho inserito i file che non puoi vedere sul disco dell'utente: \\ jmpsmd \ Users2 \ Demel \ Community
Martin,
LCA colloca i soggetti in gruppi in base alle loro risposte a una serie di domande categoriche. Ad esempio, utilizzando i tuoi dati, puoi raggruppare i partecipanti in base alle loro risposte alle domande della Conoscenza nel sondaggio o raggrupparli in base alle domande di Fiducia. In altre parole, un cluster è legato al modo in cui le loro risposte a una serie di domande; potresti vedere due soggetti che si trovano nello stesso cluster di fiducia apparire in due diversi cluster di Conoscenza.
Naturalmente è possibile tracciare domande sulla fiducia (o qualsiasi altra variabile) con risultati di raggruppamento derivati da domande di conoscenza. È come usarli come variabili supplementari.
A differenza di PCA, FA e fPCA, non vedo LCA usato come preparazione dei dati per la modellazione.
Ho frainteso le tue domande?
A proposito, non riesco a trovare i moduli che hai messo nella cartella One Drive.
