×
佐藤友美；罗斯·雅各布奇；蒂莫西·海耶斯

基于潜在增长曲线模型的结构方程模型树的性能，以揭示增长轨迹中的种群异质性。 （英语） Zbl 1417.65058号

计算。斯达。 34，编号1，1-22（2019）.
摘要：行为研究人员对结构方程模型树（SEM树）越来越感兴趣，这是一种新的基于递归分区的检测种群异质性的技术。在本研究中，我们进行了大规模模拟，以研究基于潜在增长曲线模型（LGCM）的SEM树的性能，以揭示个体内部变化模式中个体之间的差异。仿真结果表明，类数的正确估计率与协变量与其真实潜伏剖面的一致率密切相关，真实类数对类数的准确估计率也有严重的负面影响。SEM树并不总是对模型错误指定的影响敏感，其影响因错误指定类型的复杂函数以及模板模型的统计特性而不同。总的来说，基于LGCM的SEM树在可能的模型错误指定下是一种稳健和稳定的方法。

MSC公司：

62-08 统计问题的计算方法
第62页第15页 统计学在心理学中的应用
62小时30分 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统

关键词：

决策树；纵向数据；分类；型号规格错误；潜在变化得分模型

软件：

对；熔岩；公里；玛瑙；OpenMx（OpenMx）
PDF格式BibTeX公司 XML格式引用
\textit{S.Usami}等人，计算。《法律总汇》第34卷第1、1、-22号（2019年；兹bl 1417.65058）
全文： DOI程序

参考文献：

[1] Bauer DJ，Curran PJ（2003）增长混合模型的分布假设：潜在轨迹类过度提取的含义。心理方法8:338-363·doi:10.1037/1082-989X.8.3.338
[2] Bauer DJ，Curran PJ（2004）连续和离散潜在潜在变量模型的集成：潜在问题和有希望的机会。心理方法9:3-29·doi:10.1037/1082-989X.9.1.3
[3] Berlin KS，Parra GR，Williams NA（2014）潜在变量混合建模简介（第2部分）：纵向潜在类增长分析和增长混合模型。儿科心理学杂志39:188-203·doi:10.1093/jpepsy/jst085
[4] Biesanz JC、Deeb-Sossa N、Papadakis AA、Bollen KA、Curran PJ（2004）《编码时间在估计和解释生长曲线模型中的作用》。心理方法9:30-52·doi:10.1037/1082-989X.9.1.30
[5] Boker S、Neale M、Maes H、Wilde M、Spiegel M、Brick TR、Spies J、Estabrook R、Kenny S、Bates TC、Mehta P、Fox J（2011）OpenMx：统计建模多用途软件（R版软件包版本1.0.4），弗吉尼亚州。http://openmx.psyc.virginia.edu ·Zbl 1284.62689号
[6] Bollen KA，Curran PJ（2006），潜在曲线模型：结构方程方法。霍博肯·威利·Zbl 1093.62110号
[7] Brandmaier AM、Oertzen Tv、McArdle JJ、Lindenberger U（2013）结构方程模型树。心理学方法18:71-86。https://doi.org/10.1037/a0030001 ·doi:10.1037/a0030001
[8] Brandmaier，AM；Oertzen，电视台；JJ McArdle；美国林登伯格。；McArdle，JJ（编辑）；Ritschard，G.（编辑），《使用结构方程模型树的探索性数据挖掘》，96-127（2014），纽约
[9] Brandmaier AM、Prindle JJ、McArdle JJ、Lindenberger U（2016）《结构方程模型森林的理论指导探索》。心理方法21:566-582·doi:10.1037/met0000090
[10] Brodley E，Utgoff PE（1995）多元决策树。马赫学习19:45-77·Zbl 0831.68091号
[11] Fokkema M，Smits N，Zeileis A，Hothorn T，Kelderman H（2017）使用广义线性混合效应模型树检测聚类数据中的治疗-子组相互作用。行为研究方法。https://doi.org/10.3758/s13428-017-0971-x（印刷中）
[12] Genolini C，Falissard B（2010）KmL：纵向数据的K平均值。计算机统计25:317-332·Zbl 1221.62094号 ·doi:10.1007/s00180-009-0178-4
[13] Hamaker EL、Kuiper RM、Grasman RPPP（2015）《交叉滞后面板模型的批判》。心理方法20:102-116·doi:10.1037/a0038889
[14] Hayes T，Usami S，Jacobucci R，McArdle JJ（2015）使用分类和回归树（CART）和随机森林来分析损耗：两次模拟的结果。心理年龄30:911-929·doi:10.1037/pag0000046
[15] Hayes T，McArdle JJ（2017），我们应该插补还是应该加权？检验两种基于CART的技术在非正态变量小样本研究中处理缺失数据的性能。计算统计数据分析115:35-52·Zbl 1466.62091号 ·doi:10.1016/j.csda.2017.05.006
[16] Henson JM，Reise SP，Kim KH（2007）使用潜在变量混合建模从结构模型差异中检测混合：相对模型拟合统计的比较。结构Equ模型14:202-226·doi:10.1080/10705510709336744
[17] Jacobucci R、Grimm KJ、McArdle JJ（2017）《揭示样本异质性的方法比较：结构方程模型树和有限混合模型》。结构Equ型号24:270-282·网址：10.1080/10705511.2016.1250637
[18] Leiby BE，Sammel MD，Ten Have TR，Lynch KG（2009）使用贝叶斯增长曲线潜在类模型识别多变量响应者和非响应者。J R Stat Soc系列C 58:505-524·文件编号：10.1111/j.1467-9876.2009.00663.x
[19] Little TD，Schnabel KU，Baumert J（eds）（2000），纵向和多组数据建模。实际问题、应用方法和具体示例。Lawrence Erlbaum Associates，希尔斯代尔
[20] Martin DP（2015）使用递归分区有效地探索多层数据。弗吉尼亚大学未发表博士论文
[21] Miller PJ、Lubke GH、McArtor DB、Bergeman CS（2015）《使用多元树增强发现数据结构》。arXiv:1511.02025年
[22] McArdle JJ（2009）用纵向数据对差异和变化进行潜在变量建模。年度心理回顾60:577-605·doi:10.1146/annurev.psych.60.110707.163612
[23] McArdle JJ，Nesselroad JR（2014）使用结构方程模型进行纵向数据分析。华盛顿美国心理协会·兹比尔1395.62005 ·doi:10.1037/14440-000
[24] McLachlan G，Peel DA（2000）有限混合模型。纽约威利·Zbl 0963.62061号 ·doi:10.1002/0471721182
[25] Merkle EC，Zeileis A（2013）《无子组测量不变性测试：经典方法的推广》。心理测量学78:59-82。https://doi.org/10.1007/s11336-012-9302-4网址 ·Zbl 1284.62733号 ·文件编号：10.1007/s11336-012-9302-4
[26] Meredith W，Tisak J（1984）《关于“塔克化”曲线》。在加利福尼亚州圣巴巴拉市心理测量学会年会上发表
[27] Meredith W，Tisak J（1990），潜在曲线分析。心理测量学55:107-122·doi:10.1007/BF02294746
[28] Morgan JN，Sonquist JA（1963）调查数据分析中的问题和建议。美国统计协会杂志28:415-435·Zbl 0114.10103中 ·网址：10.1080/01621459.1963.10500855
[29] Nagin DS（1999）《分析发展轨迹：半参数、基于群体的方法》。心理方法4:139-157·doi:10.1037/1082-989X.4.2.139
[30] Nagin DS，Land KC（1993）年龄、犯罪职业和人口异质性：非参数混合泊松模型的规范和估计。犯罪学31:327-362·doi:10.1111/j.1745-9125.1993.tb01133.x
[31] Nagin DS，Tremblay RE（1999），男孩身体攻击、反抗和多动症在身体暴力和非暴力青少年犯罪道路上的轨迹。儿童发展70:1181-1196·doi:10.1111/1467-8624.00086
[32] Nagin DS，Tremblay RE（2005）发展轨迹组：事实还是有用的统计虚构？犯罪学43:873-904·doi:10.1111/j.1745-9125.2005.00026.x
[33] Neelon B、Swamy Gk、Burgette LF、Miranda ML（2011）用于检测产妇高血压和出生结局的贝叶斯增长混合模型。统计医学30:2721-2735·数字对象标识代码：10.1002/sim.4291
[34] 传教士KJ，Zhang Z，Zyphur MJ（2016）用于评估分析层次内和跨层次适度性的多层次结构方程模型。心理方法21:189-205·doi:10.1037/met0000052
[35] R核心团队（2016）R：统计计算的语言和环境。R统计计算基金会，奥地利维也纳。https://www.R-project.org/
[36] Ram N，Grimm KJ（2009）《方法和措施：生长混合物建模：识别未观察组之间纵向变化差异的方法》。国际行为发育杂志33:565-576·doi:10.1177/0165025409343765
[37] Rosseel Y（2012）lavan:一个用于结构方程建模的R包。J Stat Softw统计软件48（2）：1-36·doi:10.18637/jss.v048.i02
[38] Sanchez G（2009）PATHMOX方法：偏最小二乘路径建模中的分割树。西班牙加泰罗尼亚加泰罗尼亚加泰罗尼亚政治大学未发表博士论文
[39] Sela RJ，Simonoff JS（2012）RE-EM树：纵向和聚类数据的数据挖掘方法。马赫学习86:169-207·Zbl 1238.68131号 ·doi:10.1007/s10994-011-5258-3
[40] Sonquist JA，Morgan JN（1964）《交互效应的检测：选择解释变量最佳组合的计算机程序报告》（第35期）。密歇根大学社会研究所安娜堡调查研究中心
[41] Todo N，Usami S（2016）纵向设计中的非结构化有限混合模型拟合：模型选择和类别数量估计的建议。结构Equ模型23:695-712·doi:10.1080/10705511.2016.1205444
[42] Usami S（2014a）用于纵向数据分析的集群比例和集群间距离的约束k均值。Jpn心理研究56:361-372·doi:10.1111/jpr.12060
[43] Usami S（2014b）潜在增长曲线混合模型中模型选择的信息标准性能。J Jpn Soc计算统计27:17-48·Zbl 1326.62014年 ·doi:10.5183/jjscs.1309001_207
[44] Usami S，Hayes T，McArdle JJ（2015）关于潜在变化得分模型和自回归交叉滞后因子方法之间的数学关系：推断变量之间因果关系的注意事项。Multivar Behav研究50:676-687·doi:10.1080/00273171.2015.1079696
[45] Usami S，Hayes T，McArdle JJ（2017）《纵向设计中结构方程模型树和潜在生长曲线混合模型的拟合：模型错误指定对估算类别数的影响》。结构Equ型号24:585-598·doi:10.1080/10705511.2016.1266267
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。