Latent Variable Models and Factor Analysis - David J. Bartholomew

Книга “Latent Variable Models and Factor Analysis” автора David J Bartholomew представляет собой всеобъемлющий и унифицированный подход к факторному анализу и моделированию латентных переменных с точки зрения статистики. В этой книге представлена общая структура для получения наиболее часто используемых моделей, а также обновленные числовые примеры. Также вводится природа и интерпретация латентной переменной, а также связанные методы исследования зависимости. Эта книга:

1. Предлагает унифицированный подход, показывающий, что такие, казалось бы, разные методы, как анализ классов латентности и факторный анализ, на самом деле являются членами одной и той же семьи.
2. Представляет новый материал по упорядоченным переменным, методам MCMC, нелинейным моделям, а также новую главу о связанных методах исследования зависимости.
3. Включает новые разделы по моделям структурного уравнения (SEM) и методам Markov Chain Monte Carlo для оценки параметров, а также новые иллюстративные примеры.
4. Рассматривает последние разработки в области статистики соответствия и нелинейных моделей и моделей с смешанными латентными переменными, как категориальными, так и непрерывными.
5. Не требует предварительных знаний.

Электронная Книга «Latent Variable Models and Factor Analysis» написана автором David J. Bartholomew в году.

Минимальный возраст читателя: 0

Язык: Английский

ISBN: 9781119970590

Latent Variable Models and Factor Analysis provides a comprehensive and unified approach to factor analysis and latent variable modeling from a statistical perspective. This book presents a general framework to enable the derivation of the commonly used models, along with updated numerical examples. Nature and interpretation of a latent variable is also introduced along with related techniques for investigating dependency. This book: Provides a unified approach showing how such apparently diverse methods as Latent Class Analysis and Factor Analysis are actually members of the same family. Presents new material on ordered manifest variables, MCMC methods, non-linear models as well as a new chapter on related techniques for investigating dependency. Includes new sections on structural equation models (SEM) and Markov Chain Monte Carlo methods for parameter estimation, along with new illustrative examples. Looks at recent developments on goodness-of-fit test statistics and on non-linear models and models with mixed latent variables, both categorical and continuous. No prior acquaintance with latent variable modelling is pre-supposed but a broad understanding of statistical theory will make it easier to see the approach in its proper perspective. Applied statisticians, psychometricians, medical statisticians, biostatisticians, economists and social science researchers will benefit from this book.