統計モデル今回は「潜在構造分析」の授業内容をメモメモ!
前回の潜在曲線モデルと、今回の潜在構造分析を併せて
やるものなども、あるらしい・・
潜在混合分布モデル
・構造方程式を用いた潜在変数モデル
(1)観測変数・潜在変数ともに連続変数
(2)観測変数が質的変数
(3)潜在変数が質的変数→潜在構造モデル *ここ
(4)両方とも質的変数→潜在クラスモデル
(3)潜在構造モデル
・潜在混合分布モデル
・潜在プロフィルモデル
質的変数が
あらかじめ判明している→判別分析法
あらかじめ判明していない→潜在混合分布モデル
メインの概念
・混合分布
クラスの数Cを明らかにする(というか設定する)
→母数を推定する
事例
(1)偽札の判定
真偽ならC=2のはずだけど、C=3がよくなる
→偽札に2種類ある?
(2)アイリスデータ
C=1~4まで
(3)赤ちゃんの体重変化と母親
潜在曲線モデル+潜在構造分析
切片と傾き + クラス
パス図による表現
・分類が未知であるような多母集団の平均構造モデルとみなす
・EMアルゴリズム
Eステップ、Mステップ
・混合分布:正規分布を考えている→共分散行列で計算している
平均と共分散行列で決定できる→正規分布
・適合度:モデル全体で評価
前回の潜在曲線モデルと、今回の潜在構造分析を併せて
やるものなども、あるらしい・・
潜在混合分布モデル
・構造方程式を用いた潜在変数モデル
(1)観測変数・潜在変数ともに連続変数
(2)観測変数が質的変数
(3)潜在変数が質的変数→潜在構造モデル *ここ
(4)両方とも質的変数→潜在クラスモデル
(3)潜在構造モデル
・潜在混合分布モデル
・潜在プロフィルモデル
質的変数が
あらかじめ判明している→判別分析法
あらかじめ判明していない→潜在混合分布モデル
メインの概念
・混合分布
クラスの数Cを明らかにする(というか設定する)
→母数を推定する
事例
(1)偽札の判定
真偽ならC=2のはずだけど、C=3がよくなる
→偽札に2種類ある?
(2)アイリスデータ
C=1~4まで
(3)赤ちゃんの体重変化と母親
潜在曲線モデル+潜在構造分析
切片と傾き + クラス
パス図による表現
・分類が未知であるような多母集団の平均構造モデルとみなす
・EMアルゴリズム
Eステップ、Mステップ
・混合分布:正規分布を考えている→共分散行列で計算している
平均と共分散行列で決定できる→正規分布
・適合度:モデル全体で評価