안녕,
고객과 잠재 계층 분석을 사용해 설문조사 분석을 실시할 수 있는지 논의하고 있습니다.
"신뢰"에 대한 질문이 있다고 가정해 보겠습니다. 대답은 "많이", "약간", "별로", "전혀", "거부"입니다. 그런 다음 개인 습관, 공공 기관에 대한 신뢰, 지역 사회, 국가별 정보, 건강, 구매 패턴 등에 대한 다른 질문이 많이 있습니다. 다른 연구에서는 반드시 서로 관련이 없는 인구 통계가 있습니다. 이는 예를 들어 2016년 PEW 연구 센터의 미국 트렌드 패널에서 수행되었습니다. 다른 사람들은 모든 질문을 받고, 일부는 하위 그룹이고, 다른 일부는 다른 하위 그룹이라고 말했습니다.
다른 질문의 세부 사항을 살펴보기 전에 모든 질문에 답해야 하는 질문을 먼저 클러스터링하는 것이 합리적일까요? 저는 잠재 클래스 클러스터링을 사전 단계로 사용한 다음 예를 들어 MCA, 범주형, 모델링 및 기타를 클러스터를 사용하여 수행하는 것을 고려합니다.
Jian은 자동차 속성과 연결될 수 있는 설문 조사에서 예측 변수를 얻기 위해 요인 분석을 사용한 설문 조사 분석에 대한 훌륭한 예를 가지고 있습니다. 저는 이런 종류의 유사점을 평가합니다.
하지만 제가 확신할 수 없는 것은 이것이 통계적으로 정확한지, 아니면 제가 처리해야 할 가정에 부딪혔는가입니다. 예를 들어 잠재 클래스를 수행한 다음 범주형 분석을 수행하면 잠재 클래스 클러스터를 통해 편향이나 원치 않는 가중치를 추가했을 수 있습니까?
좀 더 일반적인 질문인 줄 알지만, 가능하다면 여러 출처의 설문조사를 결합할 수 있고, 참여자를 그 일반적인 클러스터에 연결하고, 한 참여자에게 다른 주제에 대해 질문하지 않고도 한 주제에서 완전히 다른 주제까지 결론을 내릴 수 있습니다. 이 사람이 다른 사람보다 자신감이 더 강한 클러스터에 속해 있기 때문에 두 번째 설문조사의 결론(지역 학교에 문제가 있는가, ...)과 연결될 수 있기 때문입니다.
(솔직히 말해서 좀 무섭기도 한데, 아무 질문에도 답하지 않아도 다른 사람들의 답변에 따라 평가받을 수도 있거든요. 하지만 이건 세상의 구글과 아마존에게는 이미 사실일 거예요.)
길고 짧은 질문입니다. 이런 방법론을 따르지 않아야 할 통계적 이유가 있습니까?
감사해요,
남자 이름
위에 언급된 연구의 일부 데이터를 첨부했습니다. 각각 여러 질문이 있는 세 가지 양식이 있습니다. 자세한 정보와 표는 여기에서 찾을 수 있습니다. 아래 두 번째 응답에는 users2 드라이브에 대한 링크가 있습니다.
안녕 지안,
생각을 공유해 주셔서 감사합니다. 따라서 범주형 분석에 대한 X로 LCA를 사용하는 것은 괜찮습니다. 모델링을 사용하는 것은 좋지 않습니다. 이게 벌써 도움이 됩니다!
정리 및 수정된 데이터 표를 첨부하였고, 그룹화 변수를 가능한 한 설명하기 쉽게 만들어서 따라가기가 더 쉬워지도록 노력했습니다.
사용자 드라이브에서 볼 수 없는 파일을 넣었습니다: \\jmpsmd\Users2\Demel\Community
남자 이름,
LCA는 범주형 질문에 대한 응답에 따라 피험자를 그룹으로 분류합니다. 예를 들어, 데이터를 사용하여 설문 조사에서 지식 질문에 대한 응답에 따라 참가자를 클러스터링하거나 자신감 질문에 따라 클러스터링할 수 있습니다. 즉, 클러스터는 질문 세트에 대한 응답 방식에 따라 결정됩니다. 동일한 자신감 클러스터에 있는 두 피험자가 두 개의 다른 지식 클러스터에 나타나는 것을 볼 수 있습니다.
물론 지식 질문에서 파생된 클러스터링 결과를 사용하여 신뢰도 질문(또는 다른 변수)을 플로팅할 수 있습니다. 이는 보충 변수로 사용하는 것과 마찬가지입니다.
PCA, FA, fPCA와 달리 LCA는 모델링을 위한 데이터 준비로 사용되는 걸 본 적이 없습니다.
제가 질문을 잘못 이해했나요?
그런데, One Drive 폴더에 올린 양식을 찾을 수 없습니다.
