Hola,
Estoy discutiendo con un cliente si uno podría usar el análisis de clase latente para informar el análisis de la encuesta.
Imagine que tiene preguntas sobre "Confianza" en lo que sea, las respuestas son "Mucho", "Algunos", "no demasiado", "en absoluto", "rechazado". Luego, tiene muchas otras preguntas sobre hábitos personales, confianza en las organizaciones públicas, comunidad local, información general específica del país, salud, patrones de compra, etc. de otros estudios no necesariamente relacionados entre sí, demografía. Esto se hace, por ejemplo, en el PANEL DE TENDENCIAS AMERICANAS DEL CENTRO DE INVESTIGACIÓN PEW 2016. Otros dijeron que hay algunas preguntas que todas reciben, algunas solo un subgrupo y otras otro subgrupo y así sucesivamente.
¿Tendría sentido agrupar primero las preguntas que todos tienen que responder antes de analizar los detalles de las otras preguntas? Pienso en usar un clúster de clase latente como paso previo y luego, por ejemplo, hacer MCA, categórico, modelado y otros, pero utilizando los clústeres.
Jian tiene un gran ejemplo para un análisis de encuesta usando Factor Analysis para obtener predictores de una encuesta que podrían estar vinculados a las propiedades del automóvil. Califico este tipo de similar.
Sin embargo, de lo que no estoy seguro es: ¿Es esta estadística correcta, o llego a alguna suposición que deba tener en cuenta? P.ej haciendo una clase latente y luego un análisis categórico, ¿podría ser que agregué algún sesgo o ponderación no deseada a través de los grupos de clases latentes?
Sé que es una pregunta más general, pero si esto fuera factible, uno podría combinar encuestas de diferentes fuentes siempre que pueda vincular a los participantes a esos grupos generales y sacar conclusiones de un tema a un tema totalmente diferente para un participante sin preguntando a esta persona sobre el tema diferente, porque esta persona pertenece a un grupo (como más seguro que otros) que puede vincularse con las conclusiones de la segunda encuesta (¿hay algún problema con las escuelas locales, ...?).
(Honestamente, esto es un poco aterrador, ya que es posible que no tenga que responder ninguna pregunta, pero podría clasificarse en función de las respuestas de otras personas, pero eso probablemente ya sea cierto para esos googes y amazones en el mundo).
Long escribe una pregunta corta: ¿Hay alguna razón estadística para no seguir esa metodología?
Gracias,
Martín
Adjunto algunos datos del estudio mencionado anteriormente. Hay tres formularios cada uno con varias preguntas. Puede encontrar más información y una tabla aquí: a continuación, en mi segunda respuesta, hay un enlace al disco de users2
Hola jian
gracias por tus pensamientos Por lo tanto, usar LCA como una X para un análisis categórico está bien. Para el uso de modelado en lugar de no. Esto ya ayuda!
Adjunté la tabla de datos limpiados y modificados e intenté hacer que las variables de agrupación fueran lo más descriptivas posible, para que sea más fácil de seguir.
Puse los archivos que no pudo ver en la unidad del usuario: \\ jmpsmd \ Users2 \ Demel \ Community
Martín,
LCA coloca a los sujetos en grupos según sus respuestas a un conjunto de preguntas categóricas. Por ejemplo, utilizando sus datos, puede agrupar a los participantes según sus respuestas a las preguntas de conocimiento en la encuesta, o agruparlos según las preguntas de confianza. En otras palabras, un grupo está vinculado a cómo sus respuestas a un conjunto de preguntas; Es posible que vea dos temas que están en el mismo grupo de Confianza aparecen en dos grupos de Conocimiento diferentes.
Por supuesto, podría trazar preguntas de confianza (o cualquier otra variable) con resultados de agrupación derivados de preguntas de conocimiento. Eso es como usarlos como variables suplementarias.
A diferencia de PCA, FA y fPCA, no veo que se use LCA como preparación de datos para el modelado.
¿Entendí mal sus preguntas?
Por cierto, no puedo encontrar los formularios que colocas en tu carpeta One Drive.
