收藏本站
收藏 | 论文排版

Sample Size Requirements for the Bootstrap Likelihood Ratio Test in Latent Class Analysis: Based on Polytomous Items

Ni Yuhan  Liu Siyu  Zhen Fengquan  Liu Ying  Zhang Minqiang  
【摘要】:Latent class analysis(LCA) is a statistical technique used to identify potentially heterogeneous subgroups based on some selected observed variables, aimed to an array of latent classes that explain the association between categorical variables. The correct class number is the key to detect the true heterogeneity of the population, which leading that the choice of the number of latent classes has a great influence on the substantive interpretation of the model results. Researchers usually determine the number of latent classes with a single set of optimal criteria. The most common methods for determining the number of latent classes are Information-based Criteria(IC), Likelihood Ratio Test(LRT), and Classification Uncertainty(CU). Bootstrap Likelihood Ratio Test(BLRT) is one of the LRT method, using bootstrap samples to empirically derive the sampling distribution of the LRT statistic, overcomes the limitation of non-convergence of model in LRT. Compared with other indices, BLRT test was proved the most accurate index to select model in existing simulation studies. Nevertheless, the performance of BLRT test also depended on a number of factors, such as the number of indicators, the sample size. Current researchers appeared hardly acquainting with using BLRT test suit for what conditions To explore the power of BLRT and the sample size requirement based on polytomous items, two pre-study and a formal Monte Carlo study were conducted. The pre-study investigated the power of BLRT based on different combinations of probability of membership, probability of response, and sample size. Four latent class models were designed in both two pre-study to compare the power performance. In formal study, we proposed effect size formulas based on the power based on proportion of P-values(PPP) measures in above various combined conditions. Blind hill climbing was applied to determine the sample size requirement leading to practical applied of BLRT in LCA. We simulated 100 datasets with sample size N = 5000. In each, we fit models and compared the power of BLRT using a bootstrap test with the 5× 4=20 combinations of J = 6, 7, 8, 9, or 10 5-point polytomous items and of K=2, 3, 4, or 5 classes. All data are generated and analyzed using package POLCA, MASS, and bootstrap in R. The results showed that: 1) the power of BLRT were related to probability of membership, probability of response and sample size. Under high probability of response and same probability of membership, the power of BLRT were exceeded the condition with unequal probability of membership, meanwhile the sample size requirement decreased. 2) the sample size requirement in LCA were related to numbers of items and number of classes. Generally, at least 200 of the sample size was required to achieve a statistical power level of 0.8 under any condition, and the sample size requirement would increase as the number of item or class increases. When number of classes were fixed, the fewer number of items, the larger sample size was needed; when numbers of items were fixed, the more number of classes, the larger sample size was required.

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孙慧玲;胡伟文;刘海涛;;基于插值法的Bayes Bootstrap方法的改进[J];统计与决策;2017年09期
2 李珊珊;;基于R软件的bootstrap方法[J];电脑编程技巧与维护;2016年04期
3 李小佩;王建新;施秀英;王惠民;;Bootstrap方法建立生物参考区间的研究[J];检验医学与临床;2016年09期
4 胡振涛;Hu Yumei;Zheng Shanshan;Li Xian;Guo Zhen;;Distributed cubature Kalman filter based on observation bootstrap sampling[J];High Technology Letters;2016年02期
5 Cui Yijia;Huang Guoliang;Yin Ziyong;;Estimating regional coal resource efficiency in China using three-stage DEA and bootstrap DEA models[J];International Journal of Mining Science and Technology;2015年05期
6 贾英霞;;浅谈Bootstrap制作响应式网站布局[J];福建电脑;2015年08期
7 史海峰;;听课管理系统设计与实现[J];现代职业教育;2016年22期
8 ZHANG Zheng;LU WenXi;CHU HaiBo;CHENG WeiGuo;ZHAO Ying;;Uncertainty analysis of hydrological model parameters based on the bootstrap method:A case study of the SWAT model applied to the Dongliao River Watershed,Jilin Province,Northeastern China[J];Science China(Technological Sciences);2014年01期
9 刘薇;常振海;;非参数bootstrap估计失效情形的探讨[J];统计与决策;2014年16期
10 王珏;张新民;;基于bootstrap分析方法的我国基金经理选股能力研究[J];中国软科学;2013年11期
11 朱凯;李悦;刘伟新;;圆形分布资料平均角置信区间的Bootstrap方法实现[J];中国卫生统计;2011年04期
12 BOSE Arup;;L_1 regression estimate and its bootstrap[J];Science in China(Series A:Mathematics);2009年06期
13 谢益辉;朱钰;;Bootstrap方法的历史发展和前沿研究[J];统计与信息论坛;2008年02期
14 孙佳蕾;张立新;;负相伴随机序列的bootstrap中心极限定理[J];浙江大学学报(理学版);2007年02期
15 冯计才;刘力维;常宝娴;张敏;;Bootstrap方法的仿真实现及其在系统偏差估计中的应用[J];南京理工大学学报(自然科学版);2007年03期
16 田春娜;高新波;李洁;;基于嵌入式Bootstrap的主动学习示例选择方法[J];计算机研究与发展;2006年10期
17 乔舰,景平,杨元;Application of Permutation to Moving Block Bootstrap[J];Journal of Southwest Jiaotong University;2005年02期
18 ;Asymptotic efficiency of randomly weighted bootstrap for linear models[J];Chinese Science Bulletin;1998年09期
19 ;Bootstrap Estimation from Simulation Outputs[J];Journal of Systems Science and Systems Engineering;1998年01期
20 施锡铨;独立非同分布情况的光滑Bootstrap逼近[J];数学物理学报;1990年02期
中国重要会议论文全文数据库 前10条
1 Ni Yuhan;Liu Siyu;Zhen Fengquan;Liu Ying;Zhang Minqiang;;Sample Size Requirements for the Bootstrap Likelihood Ratio Test in Latent Class Analysis: Based on Polytomous Items[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年
2 孙蓓云;周辉;陈向跃;毛从光;;用Bootstrap方法求取电磁脉冲损伤函数[A];第十届全国抗辐射电子学与电磁脉冲学术年会论文集[C];2009年
3 徐振平;孙义明;石明军;;Bootstrap方法在信号处理中的应用[A];全国第二届信号处理与应用学术会议专刊[C];2008年
4 杨江;李治;;基于回归与Bootstrap方法的仿真模型确认[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年
5 Chun Yip Yau;;Bootstrap Inference for Multiple Change-points in Time Series[A];第十届海峡两岸统计与概率研讨会摘要集[C];2016年
6 王生云;;基于Bootstrap的浙江省水库经营状况影响因素研究[A];中国原水论坛专辑[C];2010年
7 王朝;高敬雅;;基于Bootstrap方法估计的二手车价格回归模型[A];北京市第十六次统计科学研讨会获奖论文集[C];2011年
8 王晓明;曹正波;;基于bootstrap方法确定岩土参数的标准值[A];中国土木工程学会第十二届全国土力学及岩土工程学术大会论文摘要集[C];2015年
9 万里川;杨雪;王凡;陈维;;苗族初中生反刍思维在正念与消极情绪间的中介作用:基于Bootstrap法的潜变量建模分析[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年
10 罗巍;张春华;谭源源;陈循;;基于Bootstrap的贮存可靠度置信下限评估[A];2009年全国机械可靠性技术学术交流会暨第四届可靠性工程分会成立大会论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 句彦伟;几类多尺度非线性随机模型与SAR图像Bootstrap分割研究[D];西北工业大学;2007年
2 任通先;Bootstrap方法在空间面板模型空间相关性检验中的应用研究[D];华南理工大学;2015年
3 赵前程;动态利率期限结构模型的估计与Bootstrap偏差修正[D];东北财经大学;2017年
4 王艳芳;基于bootstrap法与混合威布尔分布的拖拉机可靠性评估模型与应用研究[D];东北农业大学;2016年
5 冯龙;稳健统计推断和超高维数据的若干研究[D];南开大学;2014年
6 Mita Bagchi;孟加拉与中国农业的效率与生产力比较研究[D];西北农林科技大学;2013年
7 刘维迪;基金经理投资积极性及其与基金业绩关系的研究[D];浙江大学;2016年
8 孙楠;高中生完美主义对学业成绩的影响及作用机制研究[D];吉林大学;2015年
9 阿睦(Ahmad Murad Bin Abdul Halim);马来西亚政府出口支持计划的实证研究[D];对外经济贸易大学;2014年
10 袁锐;我国高技术产业区域效率研究[D];吉林大学;2009年
中国硕士学位论文全文数据库 前10条
1 田知时;基于bootstrap的时间序列长记忆参数估计[D];南京大学;2018年
2 刘梦琪;基于Bootstrap法的城市居民出行行为Nested Logit模型研究[D];西南交通大学;2018年
3 卢星宇;阶数未知的ARMA模型Bootstrap预测区间构造[D];南京大学;2017年
4 王晶;基于Bootstrap方法的多品种小批量生产的质量控制研究[D];天津大学;2006年
5 张闽;基于Bootstrap方法的决策单元有效性研究[D];重庆大学;2014年
6 马亮;浅分岐水平下系统发生树的bootstrap研究[D];重庆师范大学;2012年
7 林少炜;非参数回归函数的稳健Bootstrap[D];厦门大学;2006年
8 韩达;基于Bootstrap-主成分分析的煤电企业绿色增长评价研究[D];大连理工大学;2016年
9 毛平;Bootstrap方法及其应用[D];湘潭大学;2013年
10 张小菊;Bootstrap方法及其在阵列信号处理中的应用研究[D];合肥工业大学;2012年
中国重要报纸全文数据库 前2条
1 ;Ingram合作伙伴技术中心征服“粉丝”[N];网络世界;2010年
2 高飞;网络沟通的桥梁[N];中国电脑教育报;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978