【摘要】： 潛在類別模型(latent class model,LCM)是作為處理分類潛變量發(fā)展起來(lái)的一種理論體系。潛在類別模型綜合了結(jié)構(gòu)方程模型與對(duì)數(shù)線性模型的思想,形成了自身的優(yōu)勢(shì),其目的在于以最少的潛在類別數(shù)目來(lái)解釋顯變量之間的關(guān)聯(lián)。潛在類別模型的提出不但彌補(bǔ)了結(jié)構(gòu)方程模型僅能處理連續(xù)潛在變量的不足,也為醫(yī)學(xué)、社會(huì)科學(xué)研究者面對(duì)俯拾即是的類別數(shù)據(jù)提供了一種新思路。潛在類別模型的這些優(yōu)點(diǎn)適應(yīng)了醫(yī)學(xué)模式轉(zhuǎn)變所帶來(lái)的病因關(guān)系的復(fù)雜性對(duì)統(tǒng)計(jì)分析方法的改進(jìn)所提出的要求。因此,在醫(yī)學(xué)多變量關(guān)系的研究中引入LCM具有重要的現(xiàn)實(shí)意義。 本文系統(tǒng)闡述了潛在類別模型的原理、方法,并重點(diǎn)地對(duì)其分析過(guò)程,即模型參數(shù)化、參數(shù)估計(jì)、模型識(shí)別、擬合優(yōu)度評(píng)價(jià)、潛在分類與結(jié)果解釋等進(jìn)行了概括與總結(jié)。模型參數(shù)化包括概率形式與對(duì)數(shù)線性參數(shù)形式,并對(duì)參數(shù)化中的參數(shù)進(jìn)行了解釋;參數(shù)估計(jì)利用迭代最大似然估計(jì)方法即EM和NR算法;模型擬合優(yōu)度評(píng)價(jià)利用Pearsonχ2、似然比χ2、AIC、BIC做出綜合性的判斷;最后把各組觀察值分類到適當(dāng)?shù)臐撛陬悇e當(dāng)中并進(jìn)行結(jié)果解釋。潛在類別模型分為探索性與驗(yàn)證性兩種基本類型,本文闡述了兩種類型的基本原理與分析步驟,介紹了多樣本潛在類別模型。 本文分別進(jìn)行了二分類潛在類別模型與三分類潛在類別模型分析。數(shù)據(jù)模擬使用Mplus軟件Monte Carlo simulation study模塊進(jìn)行編程實(shí)現(xiàn)。首先利用Monte Carlo simulation study模塊按照預(yù)先設(shè)定模型產(chǎn)生模擬數(shù)據(jù),然后導(dǎo)入Mplus軟件直接進(jìn)行潛在類別分析及多樣本分析比較,用圖示直觀地表現(xiàn)模型參數(shù)變化。實(shí)例分析部分對(duì)抑郁患者單核苷酸多態(tài)性SNPs(single-nucleotide polymorphisms,單核苷酸多態(tài)性)檢測(cè)數(shù)據(jù)進(jìn)行潛在類別分析,對(duì)7個(gè)SNPs數(shù)據(jù)進(jìn)行“壓縮降維”,考察SNPs的潛在分布。結(jié)果顯示7個(gè)SNPs可分為兩個(gè)潛在類別,各潛在類別概率分別為22.378%、77.622%,其中類別一傾向于雜合子,類別二傾向于純合子。結(jié)合潛在類別分析發(fā)現(xiàn)某些心理特質(zhì)與此相關(guān),顯示類別1具有消極應(yīng)對(duì)低傾向性,而類別2具有消極應(yīng)對(duì)高傾向性。 本文的討論部分對(duì)模型參數(shù)化、參數(shù)估計(jì)、模型識(shí)別、擬合優(yōu)度評(píng)價(jià)、潛在分類與結(jié)果解釋等潛在類別分析的各個(gè)環(huán)節(jié)進(jìn)行了探討并給出了合理的建議與意見。
【學(xué)位授予單位】：山西醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類號(hào)】：R749.4

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前2條

1 馬瑞;非正態(tài)驗(yàn)證性因子分析在基因整體效應(yīng)中的應(yīng)用[D];山西醫(yī)科大學(xué);2012年

2 賈志杰;混合潛變量模型的構(gòu)建及其在基因關(guān)聯(lián)分析中的應(yīng)用[D];山西醫(yī)科大學(xué);2012年

，

本文編號(hào)：2709506