Hola,
Estoy discutiendo con un cliente si se podría utilizar el análisis de clases latentes para informar el análisis de encuestas.
Imagínese que tiene preguntas sobre la "confianza" en algo, las respuestas son "mucha", "algo", "no demasiada", "nada", "se niega". Luego tiene muchas otras preguntas sobre hábitos personales, confianza en organizaciones públicas, comunidad local, información general específica del país, salud, patrones de compra y demás, de otros estudios no necesariamente relacionados entre sí, demografía. Esto se hizo, por ejemplo, en el PANEL DE TENDENCIAS AMERICANAS DEL CENTRO DE INVESTIGACIÓN PEW DE 2016. Otros dijeron que hay algunas preguntas que todos reciben, algunas solo un subgrupo y otras otro subgrupo, y así sucesivamente.
¿Tendría sentido agrupar primero por preguntas que todos deben responder antes de analizar los detalles de las otras preguntas? Pienso en utilizar una agrupación de clases latentes como paso previo y luego hacer, por ejemplo, MCA, categórico, modelado y otros, pero utilizando los grupos.
Jian tiene un gran ejemplo de análisis de encuestas en el que se utiliza el análisis factorial para obtener predictores de una encuesta que podrían vincularse a las propiedades de los automóviles. Considero que esto es similar.
Sin embargo, de lo que no estoy seguro es: ¿es correcto este dato estadístico o he cometido algún supuesto que deba tener en cuenta? Por ejemplo, si realizo una clase latente y luego un análisis categórico, ¿podría ser que haya añadido 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, se podrían combinar encuestas de diferentes fuentes siempre que se puedan vincular a los participantes con esos grupos generales y sacar conclusiones de un tema a un tema totalmente diferente para un participante sin preguntarle 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 un problema con las escuelas locales, ...?).
(Honestamente, esto es un poco aterrador, ya que es posible que no tengas que responder ninguna pregunta, pero podrías ser calificado en función de las respuestas de otras personas, pero eso probablemente ya sea cierto para esos Google y Amazon en el mundo).
Pregunta larga y corta: ¿Existe alguna razón estadística para no seguir dicha 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 a la unidad users2
Hola Jian,
Gracias por tus comentarios. Por lo tanto, usar el ACV como X para un análisis categórico está bien. Para el uso de modelos, mejor no. ¡Esto ya ayuda!
He adjuntado la tabla de datos limpia y modificada e intenté hacer que las variables de agrupación sean lo más descriptibles posible, para que sea más fácil de seguir.
He colocado los archivos que no pudiste ver en la unidad del usuario: \\jmpsmd\Users2\Demel\Community
Martín,
LCA agrupa a los participantes en función de sus respuestas a un conjunto de preguntas categóricas. Por ejemplo, con sus datos, puede agrupar a los participantes en función de sus respuestas a las preguntas de conocimiento en la encuesta, o agruparlos en función de las preguntas de confianza. En otras palabras, un grupo está vinculado a cómo responden a un conjunto de preguntas; puede ver que dos participantes que están en el mismo grupo de confianza aparecen en dos grupos de conocimiento diferentes.
Por supuesto, se pueden representar gráficamente preguntas de confianza (o cualquier otra variable) con resultados de agrupamiento derivados de preguntas de conocimiento. Es como usarlas como variables complementarias.
A diferencia de PCA, FA y fPCA, no veo que LCA se utilice como preparación de datos para modelado.
¿Entendí mal tus preguntas?
Por cierto, no puedo encontrar los formularios que colocaste en tu carpeta One Drive.
