方冠华;Ying、Zhiliang 用于在流程数据中查找共现模式的潜在主题字典模型。 (英语) Zbl 1458.62265号 心理测量学 85,第3期,775-811(2020年). 概要:过程数据是分类观测的时间顺序序列,由于其日益丰富和提取有用信息的愿望,近年来备受关注。流程是不同类型的时间戳事件的集合,记录个人在给定时间段内的行为。过程数据在大小和不规则性方面过于复杂,经典心理测量模型无法直接适用,因此需要新的建模和分析方法。我们在这里引入了一个潜在主题字典模型,用于识别同时发生的事件模式和具有类似行为模式的个人。在一定的正则性条件下,建立了基于似然的估计和推理的理论性质。提出了一种使用马尔可夫链蒙特卡罗方法进行计算的非参数贝叶斯算法。仿真研究表明,该方法在一系列情况下都表现良好。建议的方法适用于2012年国际学生评估计划中的一个项目,并有可解释的结果。 MSC公司: 第62页,共15页 统计学在心理学中的应用 62D20型 观察性研究的因果推断 62G07年 密度估算 62-08 统计问题的计算方法 65二氧化碳 蒙特卡罗方法 关键词:潜在主题词典模型;过程数据;共现模式;可识别性 软件:invGauss公司;ElemStatLearn(电子状态学习) PDF格式BibTeX公司 XML格式引用 \textit{G.Fang}和textit{Z.Ying},《心理测量学》85,第3期,775--811(2020;Zbl 1458.62265) 全文: 内政部 arXiv公司 参考文献: [1] O.阿伦。;O.博根。;Gjessing,H.,《生存与事件历史分析:过程观点》(2008),柏林:施普林格,柏林·Zbl 1204.62165号 [2] Allison,PD,《事件历史分析:纵向事件数据回归》(1984),加利福尼亚州:Sage,California [3] 奥尔曼,E。;马蒂亚斯,C。;Rhodes,J.,具有许多观测变量的潜在结构模型中参数的可识别性,《统计年鉴》,37,3099-3132(2009)·兹比尔1191.62003 ·doi:10.1214/09-AOS689 [4] 布莱,DM;Ng、AY;Jordan,MI,潜在dirichlet分配,《机器学习研究杂志》,3,993-1022(2003)·Zbl 1112.68379号 [5] Borboudakis,G。;Tsamardinos,I.,《提前下降的前向选择》,《机器学习研究杂志》,2019年第20期,第276-314页·Zbl 1483.68279号 [6] Chen,Y.(2019)。用于问题解决过程数据的连续时间动态选择度量模型。arXiv预印arXiv:1912.11335。 [7] Chen,Y-L;Tang,K。;沈荣杰;Hu,Y-H,多商店环境中的市场篮分析,决策支持系统,40339-354(2005)·doi:10.1016/j.dss.2004.04.009 [8] 邓,K。;耿,Z。;Liu,JS,通过主题词典模型发现关联模式,《皇家统计学会杂志:B辑(统计方法)》,76319-347(2014)·Zbl 07555453号 ·doi:10.1111/rssb.12032 [9] 杜恰图,L。;Janssen,P.,《脆弱模型》(2007),柏林:施普林格出版社,柏林 [10] 邓森,DB;Xing,C.,多元分类数据的非参数Bayes建模,美国统计协会杂志,1041042-1051(2009)·Zbl 1388.62151号 ·doi:10.1198/jasa.2009.tm08439 [11] 方,G。;刘杰。;Ying,Z.,关于诊断分类模型的可识别性,《心理测量学》,84,19-40(2019)·Zbl 1431.62530号 ·doi:10.1007/s11336-018-09658-x [12] Gibson,WA,《三个多元模型:因子分析、潜在结构分析和潜在特征分析》,《心理测量学》,24229-252(1959)·Zbl 0117.15001号 ·doi:10.1007/BF0228845 [13] Goodman,LA,使用可识别和不可识别模型进行探索性潜在结构分析,Biometrika,61215-231(1974)·Zbl 0281.62057号 ·doi:10.1093/biomet/61.2.215 [14] Goodman,M.、Finnegan,R.、Mohadjer,L.、Krenzke,T.和Hogan,J.(2013)。美国成年人在技术丰富的环境中的识字、算术和解决问题:2012年国际成人能力评估项目的结果。初看(NCES 2014-008)。埃里克。 [15] 格里芬,P。;McGaw,B。;Care,E.,《21世纪技能评估与教学》(2012年),柏林:施普林格出版社,柏林 [16] 韩,Z。;他,Q。;von Davier,M.,《使用pisa交互式问题解决项目的过程数据生成和选择预测特征:随机森林的应用》,《心理学前沿》,第10期,第2461页(2019年)·doi:10.3389/fpsyg.2019.02461 [17] 哈斯蒂,T。;Tibshirani,R。;弗里德曼,J。;富兰克林,J.,《统计学习的要素:数据挖掘、推理和预测》,《数学智能器》,2783-85(2005) [18] He,Q.和von Davier,M.(2016)。用n-grams分析问题解决项目的过程数据:基于计算机的大规模评估的见解。《现实世界技能发展技术工具研究手册》(第750-777页)。IGI全球。 [19] Ishwaran,H。;Rao,JS,使用贝叶斯模型选择检测微阵列中的差异表达基因,美国统计协会杂志,98,438-455(2003)·Zbl 1041.62090号 ·doi:10.1198/016214500300224 [20] Ishwaran,H。;Rao,JS,Spike and slab variable selection:Frequentist and bayesian strategies,《统计年鉴》,33,730-773(2005)·Zbl 1068.62079号 ·doi:10.1214/009053604000001147 [21] Kruskal,JB,《三路数组:三线性分解的秩和唯一性及其在算术复杂性和统计学中的应用》,《线性代数及其应用》,第18期,第95-138页(1977年)·Zbl 0364.15021号 ·doi:10.1016/0024-3795(77)90069-6 [22] 刘杰。;徐,G。;Ying,Z.,q-矩阵的数据驱动学习,应用心理测量,36,548-564(2012)·doi:10.1177/0146621612456591 [23] 刘杰。;徐,G。;Ying,Z.,自学q矩阵理论,伯努利:伯努利数理统计与概率学会官方期刊,19,1790(2013)·Zbl 1294.68118号 ·文件编号:10.3150/12-BEJ430 [24] Lord,FM,项目反应理论在实际测试问题中的应用(1980),英国:Routledge,英国 [25] 经合组织。(2014年a)。评估2012年国际学生评估计划中的问题解决技能。 [26] 经合组织。(2014年b)。PISA 2012年技术报告。(在上提供)http://www.oecd.org/pisa/pisaproducts/pisa2012technicalreport.htm。 [27] 经合组织。(2016年)。2015年国际学生评估项目的成果备受关注。(可在以下网址获取)https://www.oecd.org/pisa/pisa-2015-results-in-focus.pdf。 [28] Piatetsky-Shapiro,G.(1991年)。发现、分析和呈现强规则。数据库中的知识发现,229-238。 [29] 乔,X。;Jiao,H.,《过程数据分析中的数据挖掘技术:教学法》,《心理学前沿》,9,2231(2018)·doi:10.3389/fpsyg.2018.02231 [30] Sethuraman,J.,dirichlet先验的构造性定义,《统计》,4639-650(1994)·Zbl 0823.62007号 [31] 坦普林,J。;亨森,RA,《诊断测量:理论、方法和应用》(2010),纽约:吉尔福德出版社,纽约 [32] Tibshirani,R.,《cox模型中变量选择的套索方法》,《医学统计学》,16385-395(1997)·doi:10.1002/(SICI)1097-0258(19970228)16:4<385::AID-SIM380>3.0.CO;2-3 [33] 范德林登,WJ,测试项目响应时间的对数正态模型,《教育与行为统计杂志》,31181-204(2006)·doi:10.3102/10769986031002181 [34] 弗蒙特,JK;Magidson,J.,潜在类聚类分析,应用潜在类分析,11,89-106(2002)·doi:10.1017/CBO9780511499531.004 [35] Walker,SG,用切片对dirichlet混合模型进行采样,《统计中的通信——模拟和计算®》,36,45-54(2007)·Zbl 1113.62058号 ·doi:10.1080/03610910601096262 [36] Xu,G.,具有二进制响应的受限潜在类模型的可识别性,《统计年鉴》,45675-707(2017)·Zbl 1371.62010年 ·doi:10.1214/16-AOS1464 [37] Xu,H。;方,G。;陈,Y。;刘杰。;Ying,Z.,解决问题项目中复发事件的潜在类分析,应用心理测量,42,478(2018)·doi:10.1177/0146621617748325 [38] Xu,H.,Fang,G.,&Ying,Z.(2019年)。过程数据的一种带有马尔可夫变换的潜在主题模型。arXiv预印arXiv:1911.01583。 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。