重慶大學出版社出版、（美）斯科隆多與（美）赫斯基思編著、陳華珊與葉鵬飛和李洋翻譯的《廣義潛變數模型——多層次、縱貫性以及結構方程模型》一書指出潛變數建模通常被認為是統計學中一塊相當模糊的領域，僅僅局限於計量心理學。然而，潛變數現已遍及現代主流的統計學，並且廣泛地套用於不同的學科中，如醫學、經濟學、工程學、心理學、地理學、行銷學與生物學。潛變數的這種“無所不在”一般並沒有被認識到，或許可能是因為潛變數在不同的文章中被給予不同的名字，如隨機效應（random effect）、公共因子（common factor）和潛類別（1atent class）等。
基本介紹
- 中文名：《廣義潛變數模型——多層次、縱貫性以及結構方程模型》
- 外文名："Generalized latent variable models - multi-level,
- 作者：：（美）斯科隆多，（美）赫斯基思
- 類別：：圖書 > 醫學>基礎醫學>一般理論
- 價格：：69.00元
- 字數：：61.9萬字
- 語種：：中文
- ISBN：：9787562453932
- 出版社：：重慶大學出版社
- 頁數：：369頁
- 開本：：16開
- 出版時間：：2011年1月1日
- 裝幀：：平裝
基本信息,內容簡介,目錄,知識點,
基本信息
《廣義潛變數模型——多層次、縱貫性以及結構方程模型》又名《廣義潛變數模型：多層次、縱貫性以及結構方程模型》。既然本書的核心內容是潛變數模型，因此很自然地從討論“潛變數”這一概念的含義人手。從當前的情況看，潛變數已經以不同的方式被界定，其中一些將會在本章進行簡要描述，儘管我們通常發現這些定義過於狹隘(參見Bollen，2002)。在本書里，我們將一個“潛變數”簡單地定義為這樣一種隨機變數，即其實現過程對我們來說是隱蔽的那些變數。這與顯變數(manifestvariables)正好相反，顯變數的實現是可以觀測到的。
內容簡介
本書綜合以及擴展了各種潛變數模型，包括多層次模型、廣義線性混合模型、縱貫性模型、題器回響模型、潛類模型以及結構方程模型。通過對潛變數模型的介紹，作者清晰地解釋及比較了生物統計學、心理計量學、經濟計量學以及統計學對模型估計及預測的方法。該書同時向研究人員展現了如何套用潛變數模型在社會學、經濟學、心理學、醫學等不同學科去解決實質性問題，該書所提供的經驗案例詳細具體，並包含有軟體計算過程及數據，非常適合學習。
目錄
第1部分 方法論
1 潛變數無所不在
1.1 介紹
1.2 帶有測量誤差的“真實”變數
1.3 假設構念
1.4 未觀測到的異質性(Unobservedheterogeneity)
1.5 缺失值與反事實
1.6 潛回響
1.7 產生靈活分布
1.8 組合不同來源的個體單元信息
1.9 總結
2 對不同回響過程建模
2.1 介紹
2.2 廣義線性模型
2.3 廣義線性模型的擴展
2.4 潛回響方程(Latentresponseformulation)
2.5 存續或生存的建模
2.6 總結與進一步閱讀
3 經典潛變數模型
3.1 介紹
3.2 多層次回歸模型
3.3 因子模型和題器回響模型
3.4 潛類模型
3.5 帶有潛變數的結構方程模型
3.6 縱貫性模型
3.7 總結與進一步閱讀
4 一般模型框架
4.1 介紹
4.2 回響模型
4.3 潛變數的結構模型
4.4 干擾項分布
4.5 參數約束和基本參數
4.6 潛變數和線性估計量的簡化式
4.7 潛變數的矩結構
4.8 觀測回響和潛回響的邊緣矩結構
4.9 簡化式分布和似然
4.10 簡化式參數
4.11 總結與進一步閱讀
5 辨識與等價
5.1 介紹
5.2 辨識
5.3 等價
5.4 總結與進一步閱讀
6 估計
6.1 引言
6.2 最大似然：封閉形式的邊緣似然性
6.3 最大似然：近似邊緣似然
6.4 似然最大化
6.5 非參數最大似然估計
6.6 受約束/殘差最大似然(REML)
6.7 有限信息方法
6.8 最大偽似然估計
6.9 廣義估計方程(GEE)
6.10 固定效應方法
6.11 貝葉斯方法
6.12 總結
7 潛變數賦值
7.1 介紹
7.2 後驗分布
7.3 經驗貝葉斯(EB)
7.4 經驗貝葉斯眾數(EmpiricalBayesmodal，EBM)
7.5 最大似然法
7.6 在“線性案例”中幾種記分法的關係
7.7 專門的計分方法
7.8 潛變數計分和分類的使用
7.9 總結與進一步閱讀
8 模型設定與推論
8.1 介紹
8.2 統計建模
8.3 推論(基於似然)
8.4 模型選擇：相對擬合標準
8.5 模型充分性：全局絕對擬合標準
8.6 模型診斷：局部絕對擬合標準
8.7 總結與進一步閱讀
第2部分 套用研究
9 二項回響
9.1 介紹
9.2 兒童呼吸道感染研究：隨機截距模型
9.3 心肌梗塞診斷：潛類模型
9.4 數學推理：題器回響模型
9.5 尼古丁咀嚼膠與戒菸：元分析
9.6 妻子的就業轉換：馬爾可夫模型及未觀測到的異質性
9.7 白靴兔計數：捕獲一再捕獲模型及異質性
9.8 對墮胎的態度：多層次題器回響模型
9.9 總結與進一步閱讀
10 定序回響
10.1 介紹
l0.2 性教育群組隨機試驗：潛增長曲線模型
l0.3 政治效能：因子維度及題器偏誤
l0.4 生活滿意度：定序有衡正態機率因子模型(Ordinalscaledprobitfactormodel)
10.5 總結與進一步閱讀
1 事件數
11.1 介紹
11.2 兒童牙病防治：過度離散模型
11.3 癲癇症治療：隨機係數模型
11.4 蘇格蘭唇癌：疾病製圖
11.5 總結與進一步閱讀
1 存續與生存回響
12.1 介紹
12.2 多重事件群集存續數據的建模
12.3 吸菸的肇端：離散時間脆弱模型
12.4 鍛鍊和心絞痛：成比例風險隨機效應和因子模型
術語對照表
人名對照表
參考文獻
1 潛變數無所不在
1.1 介紹
1.2 帶有測量誤差的“真實”變數
1.3 假設構念
1.4 未觀測到的異質性(Unobservedheterogeneity)
1.5 缺失值與反事實
1.6 潛回響
1.7 產生靈活分布
1.8 組合不同來源的個體單元信息
1.9 總結
2 對不同回響過程建模
2.1 介紹
2.2 廣義線性模型
2.3 廣義線性模型的擴展
2.4 潛回響方程(Latentresponseformulation)
2.5 存續或生存的建模
2.6 總結與進一步閱讀
3 經典潛變數模型
3.1 介紹
3.2 多層次回歸模型
3.3 因子模型和題器回響模型
3.4 潛類模型
3.5 帶有潛變數的結構方程模型
3.6 縱貫性模型
3.7 總結與進一步閱讀
4 一般模型框架
4.1 介紹
4.2 回響模型
4.3 潛變數的結構模型
4.4 干擾項分布
4.5 參數約束和基本參數
4.6 潛變數和線性估計量的簡化式
4.7 潛變數的矩結構
4.8 觀測回響和潛回響的邊緣矩結構
4.9 簡化式分布和似然
4.10 簡化式參數
4.11 總結與進一步閱讀
5 辨識與等價
5.1 介紹
5.2 辨識
5.3 等價
5.4 總結與進一步閱讀
6 估計
6.1 引言
6.2 最大似然：封閉形式的邊緣似然性
6.3 最大似然：近似邊緣似然
6.4 似然最大化
6.5 非參數最大似然估計
6.6 受約束/殘差最大似然(REML)
6.7 有限信息方法
6.8 最大偽似然估計
6.9 廣義估計方程(GEE)
6.10 固定效應方法
6.11 貝葉斯方法
6.12 總結
7 潛變數賦值
7.1 介紹
7.2 後驗分布
7.3 經驗貝葉斯(EB)
7.4 經驗貝葉斯眾數(EmpiricalBayesmodal，EBM)
7.5 最大似然法
7.6 在“線性案例”中幾種記分法的關係
7.7 專門的計分方法
7.8 潛變數計分和分類的使用
7.9 總結與進一步閱讀
8 模型設定與推論
8.1 介紹
8.2 統計建模
8.3 推論(基於似然)
8.4 模型選擇：相對擬合標準
8.5 模型充分性：全局絕對擬合標準
8.6 模型診斷：局部絕對擬合標準
8.7 總結與進一步閱讀
第2部分 套用研究
9 二項回響
9.1 介紹
9.2 兒童呼吸道感染研究：隨機截距模型
9.3 心肌梗塞診斷：潛類模型
9.4 數學推理：題器回響模型
9.5 尼古丁咀嚼膠與戒菸：元分析
9.6 妻子的就業轉換：馬爾可夫模型及未觀測到的異質性
9.7 白靴兔計數：捕獲一再捕獲模型及異質性
9.8 對墮胎的態度：多層次題器回響模型
9.9 總結與進一步閱讀
10 定序回響
10.1 介紹
l0.2 性教育群組隨機試驗：潛增長曲線模型
l0.3 政治效能：因子維度及題器偏誤
l0.4 生活滿意度：定序有衡正態機率因子模型(Ordinalscaledprobitfactormodel)
10.5 總結與進一步閱讀
1 事件數
11.1 介紹
11.2 兒童牙病防治：過度離散模型
11.3 癲癇症治療：隨機係數模型
11.4 蘇格蘭唇癌：疾病製圖
11.5 總結與進一步閱讀
1 存續與生存回響
12.1 介紹
12.2 多重事件群集存續數據的建模
12.3 吸菸的肇端：離散時間脆弱模型
12.4 鍛鍊和心絞痛：成比例風險隨機效應和因子模型
術語對照表
人名對照表
參考文獻
知識點
關於潛變數建模(1atentvariablemodeling)的懷疑論與偏見在統計學家中並不罕見。潛變數建模經常被認為是一種不確定的套用，充滿著無法證實的假設以及未經檢驗的因果關係推論。這種看法至少可以從以下3點進行反駁：第一，任何合理的統計方法都可能被未經檢驗的模型設定(modelspecifications)和過度熱衷的解釋而濫用。第二，忽視潛變數通常意味著更強烈的假定，而不是將它們包括在內。潛變數建模因此可能被認為是對於排斥潛變數的簡單分析的靈敏度分析。第三，潛變數建模中的很多假設能夠進行經驗的評估，當然也有一些假設是毫無必要的，
