CIAO,
Sto discutendo con un cliente sulla possibilità di utilizzare l'analisi delle classi latenti per informare l'analisi del sondaggio.
Immagina di avere domande sulla "fiducia" in qualsiasi cosa, le risposte sono "Molto", "Un po'", "Non troppo", "Per niente", "Rifiutato". Poi hai un sacco di altre domande sulle abitudini personali, la fiducia nelle organizzazioni pubbliche, la comunità locale, le informazioni specifiche generali del paese, la salute, i modelli di acquisto e così via da altri studi non necessariamente correlati tra loro, la demografia. Questo è stato fatto ad esempio nel 2016 PEW RESEARCH CENTER'S AMERICAN TRENDS PANEL. Altri hanno detto, ci sono alcune domande tutte, alcune solo un sottogruppo e altre un altro sottogruppo e così via.
Avrebbe senso prima raggruppare per domande a cui tutti devono rispondere prima di esaminare i dettagli delle altre domande? Penso di usare un Latent Class Clustering come pre-step e poi fare ad esempio MCA, Categorical, Modeling e altri ma usando i cluster.
Jian ha un ottimo esempio di analisi di un sondaggio che usa l'analisi fattoriale per ottenere predittori da un sondaggio che potrebbero essere collegati alle proprietà delle auto. Lo considero un tipo simile.
Tuttavia, ciò di cui non sono sicuro è: questa statistica è corretta o ho incontrato delle ipotesi di cui dovrei occuparmi? Ad esempio, eseguendo una classe latente e poi un'analisi categoriale, potrebbe essere che ho aggiunto qualche distorsione o ponderazione indesiderata attraverso i cluster di classi latenti?
So che è una domanda più generale, ma se fosse fattibile si potrebbero combinare sondaggi provenienti da fonti diverse, purché si possano collegare i partecipanti a quei cluster generali, e trarre conclusioni da un argomento a un argomento completamente diverso per un partecipante senza chiedere a questa persona informazioni sull'argomento diverso, perché questa persona appartiene a un cluster (ad esempio, più sicura di sé di altri) che può essere collegato alle conclusioni del secondo sondaggio (c'è un problema con le scuole locali, ...).
(Sinceramente è un po' spaventoso, perché potresti non dover rispondere ad alcuna domanda ma potresti essere valutato in base alle risposte di altre persone, ma questo è probabilmente già vero per quegli gnomi e quelle amazzoni nel mondo).
Domanda lunga e breve: esiste qualche ragione statistica per non seguire tale metodologia?
Grazie,
Martin
In allegato alcuni dati dello studio sopra menzionato. Ci sono tre Form, ognuno con diverse domande. Maggiori informazioni e una tabella possono essere trovate qui: sotto nella mia seconda risposta c'è un link all'unità users2
Ciao Jian,
grazie per i tuoi pensieri. Quindi usare LCA come X per un'analisi categoriale va bene. Per l'uso della modellazione piuttosto no. Questo aiuta già!
Ho allegato la tabella dati pulita e modificata e ho cercato di rendere le variabili di raggruppamento il più possibile descrittive, così è più facile seguirle.
Ho messo i file che non potevi vedere sull'unità dell'utente: \\jmpsmd\Users2\Demel\Community
Martino,
LCA inserisce i soggetti in gruppi in base alle loro risposte a un set di domande categoriali. Ad esempio, utilizzando i tuoi dati, puoi raggruppare i partecipanti in base alle loro risposte alle domande di Conoscenza nel sondaggio, oppure raggrupparli in base alle domande di Fiducia. In altre parole, un cluster è legato a come le loro risposte a un set di domande; potresti vedere due soggetti che sono nello stesso cluster di Fiducia apparire in due cluster di Conoscenza diversi.
Naturalmente potresti tracciare le domande di Fiducia (o qualsiasi altra variabile) con i risultati di clustering derivati dalle domande di conoscenza. È come usarle come variabili supplementari.
A differenza di PCA, FA e fPCA, non vedo l'LCA utilizzato come preparazione dei dati per la modellazione.
Ho capito male le tue domande?
A proposito, non riesco a trovare i moduli che hai inserito nella cartella OneDrive.
