Joint Latent Class Tree with Covariates
- 주제(키워드) 도움말 Latent Class Analysis , Joint Latent Class Tree , Three-Step Approach , Classification Error Correction , Covariates
- 발행기관 고려대학교 대학원
- 지도교수 도움말 정환
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 석사
- 학과 대학원 통계학과
- 세부전공 통계적데이터과학 전공
- 원문페이지 68 p
- 실제URI http://www.dcollection.net/handler/korea/000000278542
- UCI I804:11009-000000278542
- DOI 10.23186/korea.000000278542.11009.0000384
- 본문언어 영어
초록/요약
The Joint Latent Class Tree (JLCT) is an analytical method that hierarchically represents the combined structure of multiple latent variables. In JLCT, each node reflects the combination patterns of various latent classes. To address the issue of classification errors inherent in the tree construction process, this study proposes a three-step approach. The first step involves constructing a JLCT model without covariates. In the second step, classification errors occurring at each split are measured. The final step uses BCH and NewML methodologies to correct classification errors and analyze the impact of covariates on the combined patterns. This study applies the model to the Youth Risk Behavior Surveillance System (YRBSS) 2015 data, a survey monitoring risky behaviors among American adolescents. Four risk behaviors — violent behavior, drug use, sexual behavior, and depression — are defined as latent variables, and the model is applied to a sample of 2,879 male students aged 16-18 years. This approach enhances our understanding of risk behaviors among male American adolescents and is expected to contribute to future policy development and the creation of prevention programs.
more초록/요약
결합잠재범주나무(Joint Latent Class Tree, JLCT)는 여러 잠재변수 간의 결합 구조를 계층적으로 나타내는 분석 방법이다. 이 방법은 각 노드가 다양한 잠재 클래스의 결합 패턴을 나타내며, 트리 구축 과정에서 발생할 수 있는 분류 오류의 문제를 극복하기 위해 본 연구에서는 세 단계 접근법을 제안한다. 첫 번째 단계에서는 공변량을 제외한 JLCT 모델을 구축하고, 두 번째 단계에서는 각 분할에서 발생하는 분류 오류를 측정한다. 마지막 단계에서 BCH와 NewML 방법론을 이용하여 분류 오류를 보정한 후 공변량이 결합 패턴에 미치는 영향을 분석한다. 본 연구에서는 미국 청소년 위험 행동 모니터링 설문인 Youth Risk Behavior Surveillance System(YRBSS) 2015 데이터를 사용하여 폭력 행동, 마약 사용, 성행위, 우울증 등 네 가지 위험 행동을 잠재 변수로 정의하고, 16-18세 남학생 2,879명을 대상으로 모델을 적용하였다. 이를 통해 미국 남자 청소년들의 위험 행동에 대한 이해를 넓히고, 향후 정책 수립과 예방 프로그램 개발에 기여할 수 있을 것으로 기대된다.
more목차
Abstract i
Contents v
List of Tables vii
List of Figures viii
1.Introduction 1
2.Model 4
2.1Model without covariates 4
2.1.1Joint Latent Class Analysis(JLCA) 5
2.1.2 JointLatentClassTree(JLCT) 8
2.2 Model with covariates 13
2.2.1 Estimating JLCA with Covariates in One Step 13
2.2.2 Proposed Three-Step Estimation in JLCT 14
3. Parameter Estimation and Variable Selection 21
3.1 Parameter Estimation in the Joint Latent Class Trees (JLCT) Framework 21
3.1.1 E-step 22
3.1.2 M-step 24
3.2 Variable Selection in JLCT 25
3.2.1 Foundations of Variable Selection in JLCA 25
3.2.2 The Variable Selection Process in JLCT 28
3.2.3 Variable Identification within JLCT Framework 28
4. Simulation study 31
4.1 Population 31
4.2 Result 33
5. Real Data Application 36
5.1 DataDescription 36
5.2 Three-StepApproach 38
5.2.1 Step1 : Construct the JLCT model without covariates 38
5.2.2 Step 2 : Perform classification and measure classification errors at each JLCT split 49
5.2.3 Step 3 : Relate joint class membership with covariates. 51
6 Conclusion 54
Bibliography 56
