换一批
换一批摘要通过模拟研究，考察潜类别距离和发展形态等因素对多阶段混合增长模型的模型选择和参数估计的影响：(1)潜类别距离越大，模型选择和分类效果越好。(2)混合模型的选择，应以一定样本量(至少200)为前提，首先考虑 BIC 选出正确的分类模型，再通过熵值、ARI 等选择分类确定性较高的模型。(3)多阶段的发展形态对正确模型的选择和分类的确定性均有一定程度影响。(4)潜类别距离和样本量越大，参数估计精度越高。(5)在判断分类准确性的指标中， ARI的选择更偏向于真实的模型。
更多相关知识
关键词
多阶段混合增长模型(PGMM)潜类别增长分析(LCGA)潜类别距离(SMD)发展形态piecewise growth mixture modeling (PGMM)latent class growth analysis (LCGA)distance of latent classes (SMD)pattern of the growth trajectory
分类号
B841
栏目名称
研究报告
DOI
10.3724/SP.J.1041.2014.01400
发布时间
2014-09-23
基金项目
国家自然科学基金
全国教育科学“十二五”规划教育部重点课题
教育部人文社会科学研究青年基金项目
北京市与中央在京高校共建项目(019-105812)资助。
- 浏览11
- 被引41
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
