Salut,
Je discute avec un client de la possibilité d'utiliser l'analyse des classes latentes pour éclairer l'analyse des enquêtes.
Imaginez que vous ayez des questions sur la « confiance » en quoi que ce soit, les réponses étant « beaucoup », « un peu », « pas trop », « pas du tout », « refusé ». Ensuite, vous avez beaucoup d'autres questions sur les habitudes personnelles, la confiance dans les organisations publiques, la communauté locale, les informations générales spécifiques au pays, la santé, les habitudes d'achat, etc. provenant d'autres études qui ne sont pas nécessairement liées entre elles, la démographie. C'est ce qui se fait par exemple dans le PANEL DES TENDANCES AMÉRICAINES 2016 du PEW RESEARCH CENTER. D'autres ont dit que certaines questions sont toutes posées, d'autres seulement pour un sous-groupe et d'autres encore pour un autre sous-groupe, et ainsi de suite.
Serait-il judicieux de commencer par regrouper les questions auxquelles tout le monde doit répondre avant d'examiner les détails des autres questions ? Je pense à utiliser un clustering de classes latentes comme étape préalable, puis à faire par exemple MCA, Categorical, Modeling et autres, mais en utilisant les clusters.
Jian a un excellent exemple d'analyse d'enquête utilisant l'analyse factorielle pour obtenir des prédicteurs d'une enquête qui pourraient être liés aux propriétés d'une voiture. J'estime que ce type de chose est similaire.
Cependant, ce dont je ne suis pas sûr, c'est : est-ce que cette statistique est correcte ou est-ce que je me base sur des hypothèses dont je devrais tenir compte ? Par exemple, en faisant une classe latente puis une analyse catégorielle, est-ce que je pourrais avoir ajouté un biais ou une pondération indésirable via les groupes de classes latentes ?
Je sais que c'est une question plus générale, mais si cela était faisable, on pourrait combiner des enquêtes provenant de différentes sources à condition de pouvoir relier les participants à ces groupes généraux, et tirer des conclusions d'un sujet à un sujet totalement différent pour un participant sans demander à cette personne sur le sujet différent, car cette personne appartient à un groupe (comme plus confiant que les autres) qui peut être lié aux conclusions de la deuxième enquête (y a-t-il un problème avec les écoles locales, ...).
(Honnêtement, c'est un peu effrayant, car vous n'aurez peut-être pas à répondre à une question, mais vous pourrez être noté en fonction des réponses d'autres personnes, mais c'est probablement déjà vrai pour ces googes et amazones dans le monde).
Question longue et courte : existe-t-il une raison statistique de ne pas suivre une telle méthodologie ?
Merci,
Martin
Ci-joint quelques données de l'étude mentionnée ci-dessus. Il y a trois formulaires, chacun avec plusieurs questions. Vous trouverez plus d'informations et un tableau ici : ci-dessous, dans ma deuxième réponse, vous trouverez un lien vers le lecteur users2
Salut Jian,
Merci pour vos réflexions. Donc, utiliser l'ACV comme X pour une analyse catégorielle est bien. Pour l'utilisation de la modélisation, ce n'est pas le cas. Cela aide déjà !
J'ai joint le tableau de données nettoyé et modifié et j'ai essayé de rendre les variables de regroupement aussi descriptibles que possible, afin qu'elles soient plus faciles à suivre.
J'ai mis les fichiers que vous ne pouviez pas voir sur le lecteur de l'utilisateur : \\jmpsmd\Users2\Demel\Community
Martin,
LCA place les sujets dans des groupes en fonction de leurs réponses à un ensemble de questions catégoriques. Par exemple, à l'aide de vos données, vous pouvez regrouper les participants en fonction de leurs réponses aux questions de connaissances de l'enquête, ou les regrouper en fonction des questions de confiance. En d'autres termes, un groupe est lié à la manière dont leurs réponses à un ensemble de questions ; vous pouvez voir deux sujets qui se trouvent dans le même groupe de confiance apparaître dans deux groupes de connaissances différents.
Bien sûr, vous pouvez représenter graphiquement des questions de confiance (ou toute autre variable) avec des résultats de clustering dérivés de questions de connaissances. C'est comme les utiliser comme variables supplémentaires.
Contrairement à l’ACP, l’AF et l’ACF, je ne vois pas l’ACV utilisée comme préparation de données pour la modélisation.
Ai-je mal compris vos questions ?
Au fait, je ne trouve pas les formulaires que vous avez mis dans votre dossier One Drive.
