Opaque prior distributions in Bayesian latent variable models
本文探讨了Bayesian潜变量模型中研究者指定与估计时使用先验分布不一致的问题及其对可重复性和模型检查的影响，评估了信息性先验等解决方案并提出了实践建议。
2023-08-24 stat.ME
A Latent Gaussian Process Model for Analyzing Intensive Longitudinal Data
深入的纵向研究在许多社会科学领域，特别是心理学领域越来越普遍。智能手机、健身追踪器和物联网等新技术使密集的纵向研究中的数据收集比过去容易得多，为在高时间分辨率下深入研究个体的潜在特征提供了机会。在本文中，我们介绍了一个新的潜在曲线分析的建模框架，更适合于密集的纵向数据比现有的潜在曲线模型的分析。具体而言，通过对个体特定的连续时间潜在过程的建模，可以更好地捕获密集型纵向数据的一些独特特征，包括时间上的密集测量和不等间隔的观测时间点。从技术上讲，连续时间的潜在过程是由一个高斯过程模型。该模型可以看作是经典潜曲线模型的半参数扩展，属于结构方程模型的框架。参数估计和统计推断的程序下提供的经验贝叶斯框架和模拟研究进行评估。我们说明了使用所提出的模型，通过分析的生态瞬时评估数据集。
2019-06-14 stat.ME
Valid and Efficient Two-Stage Latent Subgroup Analysis with Observational Data
Hong Kong University of Science and Technology（香港科技大学）；Columbia University（哥伦比亚大学）
本文提出了一种基于观测数据的有效两阶段潜在子群分析方法，通过谱方法视角实现高误分类容忍度，处理高维混杂因素并提高计算效率。
2026-01-01 stat.ME
A Latent Variable Model for Response Times with Individual-Specific Change-Points
Lancaster University（兰卡斯特大学）；Indian Institute of Technology Kanpur（坎普尔印度理工学院）
提出一种包含个体特异性变点的对数响应时间潜变量模型，通过边际最大似然估计参数，并利用后验分布量化个体变点位置的不确定性。
2026-05-27 stat.ME
Inference on Generalized Latent Variable Models with High-Dimensional Responses and Covariates
University of Hong Kong（香港大学）；University of Michigan（密歇根大学）；London School of Economics and Political Science（伦敦政治经济学院）
本文提出一种高维广义潜在变量模型，用于处理高维响应和协变量，通过交替算法迭代更新回归参数和潜在变量，理论证明了估计器的统计一致性，并构建了去偏估计器以评估协变量效应。
2026-04-30 stat.ME
Learning meets Assessment: On the relation between Item Response Theory and Bayesian Knowledge Tracing
很少有模型比贝叶斯知识追踪和项目反应理论在各自的领域更普遍存在。这两种模型都是为了分析学习者的数据而开发的。然而，本研究的设计，这些模型的目的是不同的，贝叶斯知识追踪的目的是分析纵向数据，而项目反应理论是建立横截面数据。本文阐述了这两种模式之间的基本联系。具体而言，贝叶斯知识追踪中的潜变量和观测响应变量的平稳分布与项目响应理论模型有关。这两种模式之间的这种联系突出了一个关键的缺失部分：教育在这些模式中的作用。一个研究议程的概述，回答如何向前迈进与学习者数据建模。此外，网络心理测量学的最新进展表明，这种关系可以被利用和推广到一个网络模型。
2018-10-12 stat.ME
Nested Partially-Latent Class Models for Dependent Binary Data; Estimating Disease Etiology
儿童健康肺炎病原学研究（PERCH）研究旨在使用现代测量技术来推断无法获得金标准证据的肺炎原因。本文介绍了一种潜变量模型，旨在推断病例对照数据的病因分布的情况下，并为个别情况下，他或她的测量。我们假设每个观察结果都来自一个混合模型，其中每个成分代表一个原因或疾病类别。该模型通过考虑给定疾病类别的多变量二元结果之间的残差依赖，解决了传统潜在类别方法的主要局限性，从而减少了估计偏差，保持了效率，并提供了更有效的推断。这种对单个受试者的“局部依赖性”在模型中通过在每个疾病类别内嵌套潜在子类来诱导。测量精度和协变可以使用已知类别的控制样本进行估计。在贝叶斯框架中，我们使用棒打破先验的子类指标模型平均推理不同数量的子类。使用通过吉布斯抽样抽取的后验样本进行模型拟合和个体诊断的评估。我们证明了该方法的实用性模拟和激励PERCH数据。
2015-10-29 stat.ME
A multidimensional latent class Rasch model for the assessment of the Health-related Quality of Life
这项工作描述了一个多维的潜在类Rasch模型及其应用的数据测量的某些方面的健康相关的生活质量和焦虑和抑郁的肿瘤患者。
2012-11-12 stat.ME
Model Criticism of Bayesian Networks with Latent Variables
Educational Testing Service（教育考试服务中心）
贝叶斯网络（BN）的认知评估和智能教学系统的应用提出了新的挑战，模型的建设。当认知任务分析建议构建一个BN与几个潜在的变量，经验模型批评的潜在结构变得既关键又复杂。本文介绍了一种方法，批评模型的全球（BN在其整体）和本地（可观察节点），并探讨其价值在识别几种失配：节点错误，边缘错误，状态错误，和先验概率错误的潜在结构。结果表明，该指数有可能检测模型失配，并协助定位有问题的组件的模型。
2013-01-16 cs.AI stat.AP stat.ME
A Latent Variable Model for Relational Events with Multiple Receivers
本文针对含多接收者的有向关系事件数据提出乘性潜因子模型，通过发送者、接收者及消息潜变量刻画社会互动异质性，并基于 Gibbs 采样的贝叶斯方法拟合模型，在 Enron 邮件数据上验证了模型对接收者集合分布与构成的准确捕捉能力。
2024-02-21 stat.ME
Assessment of alternative covariance functions for joint input-state estimation via Gaussian Process latent force models in structural dynamics
本文提出在结构动力学联合输入-状态估计中采用替代协方差函数的高斯过程潜变量力模型，克服了传统随机游走模型的局限，并通过3自由度系统仿真和3D打印缩比风机叶片实验验证了其有效性。
2023-06-28 stat.AP
Model Criticism in Latent Space
模型批评通常通过评估拟合模型下生成的复制数据是否与观察数据相似来进行，参见Gelman，Carlin，Stern和Rubin [2004，p.165]。本文提出了一种隐变量模型的建立方法，将数据拉回到隐变量空间中，并在该空间中进行模型评价。利用模型的结构可以更直接地评估先验和可能性中的假设。我们证明了该方法与应用于因子分析，线性动力系统和高斯过程的潜在空间中的模型批评的例子。
2018-07-02 stat.ML
Inferring food intake from multiple biomarkers using a latent variable model
近年来，代谢组学方法因其提供评估食物摄入量的客观工具的潜力而备受关注。特别是，单一食物出现了多种生物标志物。然而，缺乏可用于组合多种生物标志物以推断食物摄入的统计工具。此外，缺乏用于估计基于生物标志物的摄入量预测的不确定性的方法。在这里，为了便于推断多个代谢组学生物标志物和食物摄入量的干预研究下进行的A-DIET研究计划，一个潜在的变量模型，multiMarker，提出了。该模型借鉴了因子分析和专家模型的混合物，将摄入量描述为一个连续的潜在变量，其值提高了观察到的生物标志物值。我们采用混合高斯分布来灵活地对潜在变量进行建模。贝叶斯分层建模框架提供了适应不同生物标志物分布的灵活性，并有助于预测潜在摄入量及其相关的不确定性。进行模拟研究，以评估所提出的multiMarker框架的性能，在其应用程序的激励应用程序量化苹果摄入量。
2021-05-07 stat.AP stat.ME
Learning Latent and Hierarchical Structures in Cognitive Diagnosis Models
针对认知诊断模型中Q矩阵、属性层级、诊断模型和属性数需主观预设的问题，提出惩罚似然方法联合学习这些结构，并给出EM算法、恢复算法及一致性理论。
2022-04-01 stat.ME stat.ML
An efficient adaptive dimension selection algorithm for multidimensional probit graded response models
KLATASDS-MOE；School of Statistics, East China Normal University（东华大学统计学院）；Zhiyuan School of Liberal Arts,Beijing Institute of Petrochemical Technology（北京石油化学工业技术学院人文学院）
针对多维概率等级响应模型应用中确定潜在维度数量的挑战，提出自适应贝叶斯维度选择框架，基于累积收缩过程分配先验，结合多种更新形成自适应采样器，经模拟和真实数据验证能准确恢复潜在结构且计算高效。
2026-07-21 cs.LG stat.ME stat.ML
Endogeneity-Aware Cognitive Diagnostic Model for Multidomain Ordinal Assessments
Sun Yat-sen University（中山大学）；University of Hong Kong（香港大学）
针对传统认知诊断模型无法表征多域潜在属性定向依赖的问题，提出内生性感知认知诊断模型EACDM，通过联合估计实现更准确的属性关系分析，在模拟与帕金森病数据中验证了其有效性。
2026-08-12 stat.ME
Covariate-assisted Grade of Membership Models via Shared Latent Geometry
Columbia University（哥伦比亚大学）
本文提出了一种基于共享潜在几何的协变量辅助隶属度模型，通过整合响应和协变量信息提升潜在结构恢复的效率和准确性。
2026-01-24 stat.ME stat.ML
Using Bayesian latent Gaussian graphical models to infer symptom associations in verbal autopsies
混合类型变量之间的学习依赖关系在各种科学环境中提供了见解，并且是统计学中研究得很好的问题。然而，现有的方法通常依赖于大量的高质量数据来准确地学习关联。在本文中，我们开发了一种方法，用于科学设置，其中学习依赖结构是必不可少的，但数据是稀疏的，有很高的比例缺失值。具体来说，我们的工作是基于调查的死因评估，称为口头尸检（VA）。我们提出了一种贝叶斯方法来表征依赖关系，使用潜在的高斯图形模型，将信息先验的变量的边缘分布。我们证明了这些信息可以提高依赖结构的估计，特别是在训练数据很少的情况下。我们表明，我们的方法可以集成到现有的概率死因分配算法，并提高模型性能，同时恢复症状之间的依赖模式，可以在未来的数据收集中提供有效的问卷设计。
2019-07-24 stat.AP
Perturbative Corrections for Approximate Inference in Gaussian Latent Variable Models
期望传播（EP）为近似推理提供了一个框架。当所考虑的模型是在一个潜在的高斯场，近似高斯，我们展示了如何这些近似可以系统地进行校正。微扰展开是由精确但难以处理的校正组成的，并且可以应用于模型的配分函数和其他感兴趣的时刻。该修正表示在EP的局部矩匹配所忽略的高阶累积量上。通过展开式，我们看到EP对一阶是正确的。通过考虑更高阶，可以将增加多项式复杂性的校正应用于近似。二阶提供了一个二次时间的校正，我们将其应用于一系列的高斯过程和伊辛模型。校正推广到任意复杂的近似家庭，我们说明树结构的伊辛模型近似。此外，他们提供了一个多项式时间的近似误差评估。我们还提供了理论和实践的见解EP解决方案的准确性。
2013-10-25 stat.ML
A Joint MLE Approach to Large-Scale Structured Latent Attribute Analysis
结构化潜在属性模型（Structured Latent Attribute Models，SLAM）是一类离散潜在变量模型，广泛应用于教育、心理学和流行病学领域，用于对多变量分类数据进行建模。SLAM假设多个离散的潜在属性以高度结构化的方式解释观察变量的依赖性。通常，最大边际似然估计方法被用于SLAM，将潜在属性视为随机效应。现代评估数据的范围越来越大，涉及大量的观测变量和高维潜在属性。这对传统的估计方法提出了挑战，需要新的方法和对潜在变量建模的理解。出于这一动机，我们认为联合极大似然估计（MLE）的方法SLAM，治疗潜在的属性作为固定的未知参数。我们调查的可估计性，一致性和计算的制度，样本量，变量的数量，和数量的潜在属性都可以发散。我们建立的联合MLE的统计一致性，并提出有效的算法，以及几个流行的SLAM的大规模数据的规模。仿真研究表明，所提出的方法优越的经验性能。一个国际教育评估的真实数据的应用程序给出了认知诊断的可解释的结果。
2021-07-08 stat.ME
Bayesian factor models for probabilistic cause of death assessment with verbal autopsies
按死因分列的死亡分布情况为公共卫生规划、应对和评估提供了重要信息。全球约60%的死亡没有登记或没有给出原因，这限制了我们了解疾病流行病学的能力。口头尸检（VA）调查越来越多地用于此类环境中，以收集最近死亡的人的体征，症状和病史信息。本文发展了一种新的贝叶斯方法，用于估计死因死因的总体分布。所提出的方法是基于一个多变量的概率模型，在问卷中的项目之间的关联是灵活的潜在因素诱导。使用人口健康研究联盟标记的数据，包括VA和医学认证的死亡原因，我们评估所提出的方法的性能。此外，我们估计了与死亡原因高度相关的重要问卷项目。这一框架提供的见解将简化未来的数据收集。
2018-11-27 stat.AP
Spatial trend analysis of gridded temperature data at varying spatial scales
网格化温度数据趋势的经典评估在整个网格上进行独立评估，因此忽略了趋势估计中的空间相关性。特别是，这会影响趋势显著性的评估，因为单个测试的集体显著性的评估通常被忽视。在本文中，我们建立了一个时空层次贝叶斯模型的温度异常的趋势系数是由一个潜在的高斯随机场。这使我们能够计算联合显著性评估的同时可信区域。在一个案例研究中，我们评估夏季的趋势，在65年的网格温度数据在欧洲。我们发现，虽然空间平滑一般会导致在较大的区域，没有趋势的原假设被拒绝，这是不是所有的子区域的情况。
2019-01-25 stat.AP
Latent Gaussian Mixture Models for Nationwide Kidney Transplant Center Evaluation
移植后五年存活率是美国肾移植中心提供的护理质量的重要指标。为了提供对每个移植中心的公平评估，代表中心特定护理质量的效果以及患者水平的风险因素通常包括在风险调整模型中。在过去，中心效应已被建模为固定效应或高斯随机效应，有各种利弊。我们的数值分析表明，分布假设确实影响中心效应的预测，特别是当效果是极端的。为了弥合这两种方法之间的差距，我们建议将移植中心效应建模为具有有限高斯混合分布的潜在随机变量。这种潜在的高斯混合模型提供了一个方便的框架来研究移植中心之间的异质性。为了克服弱可识别性问题，我们建议使用惩罚似然方法估计潜在的高斯混合模型，并开发顺序的局部限制似然比检验，以确定高斯混合分布中的组件的数量。当筛选表现不佳或表现出色的移植中心时，拟合混合模型提供了控制错误发现率的方便手段。通过仿真和激励数据实例的分析，验证了该方法的性能。
2017-03-10 stat.AP
Statistical Inference for Covariate-Adjusted and Interpretable Generalized Factor Model with Application to Testing Fairness
Faculty of Business and Economics, University of Hong Kong（香港大学工商管理学院）；Department of Statistics, University of Michigan（密歇根大学统计系）
本文提出了一种具有协变量调整和可解释性的广义因子模型，用于评估教育测试的公平性，并通过实验证明了其有效性。
2026-01-09 stat.ME
Variable Selection in Latent Regression IRT Models via Knockoffs: An Application to International Large-scale Assessment in Education
针对国际大规模评估数据，提出基于knockoff的潜变量回归变量选择方法，以控制错误选择率并识别与非认知变量相关的学生表现因素。
2023-11-14 stat.AP stat.ME
Latent class analysis for multi-layer categorical data
Chongqing University of Technology（重庆理工大学）
针对多选项响应的多层分类数据建模需求，提出多层潜在类别模型与三种谱方法，证明其估计一致性，给出确定潜在类别数的方案，通过实验验证了方法的有效性。
2024-08-10 cs.LG stat.ML
A Correlated Random Effects Model for Nonignorable Missing Data in Value-Added Assessment of Teacher Effects
增值模式已被广泛用于评估个别教师和学校对学生的学术成长的纵向学生的成就成果的基础上的贡献。然而，有人担心，忽视缺失值的存在，这是常见的纵向研究，可以偏见教师的增值分数。在这篇文章中，开发了一个灵活的相关随机效应模型，该模型联合建模学生的反应和学生的缺失数据指标。学生的反应和缺失数据机制都依赖于潜在的教师效应和潜在的学生效应，并且随机效应集之间的相关性调整了教师的增值分数以获得信息性缺失数据。该方法说明了从微积分类在一个大型公立大学的数据，并从一个小学学区的数据。
2017-10-05 stat.ME
A Fused Latent and Graphical Model for Multivariate Binary Data
我们考虑分析多元二进制数据的建模，推理和计算。我们提出了一个新的模型，由一个低维的潜变量组件和稀疏的图形组件。我们的研究是出于对认知评估中的项目反应数据的分析，并已应用到许多学科的项目反应数据收集。认知评估中项目反应数据的标准方法采用多维项目反应理论（IRT）模型。然而，人类认知通常是一个复杂的过程，因此可能无法通过几个因素充分描述。因此，一个低维的潜在因素模型，如多维IRT模型，往往不足以捕捉数据的结构。该模型增加了一个稀疏的图形组件，捕捉剩余的特设依赖。当图形成分退化时，它简化为一个多维IRT模型。通过构造一个伪似然函数和适当选择惩罚项，同时进行模型选择和参数估计。伪似然函数的凸性使我们能够开发出一种有效的算法，而惩罚项生成一个低维的潜在成分和稀疏的图形结构。在适当的正则条件下建立了理想的理论性质。该方法适用于修订后的艾森克人格问卷，揭示其有用的项目分析。仿真结果表明，该方法在实际应用中效果良好。
2016-06-29 stat.ME
Recovering Latent Structures after Variational Bayesian Variable Selection: Fit Assessment and Factor-Number Selection in Partially Exploratory Factor Analysis
Faculty of Education, The University of Hong Kong（香港大学教育学院）；Department of Curriculum and Instruction, The Education University of Hong Kong（香港教育大学课程与教学系）
研究针对部分探索性因子分析中载荷结构和因子数量规定弱的问题，引入选择后评估框架，通过硬选或软选转换协方差模型，推导相关指标，提出无标度增益规则确定因子数量，模拟及实例表明该方法能有效恢复结构、准确确定维度且拟合良好。
2026-07-09 cs.CL stat.ME
A Tensor-EM Method for Large-Scale Latent Class Analysis with Binary Responses
针对二元响应大规模潜类别分析中传统 EM 收敛慢且易陷局部最优的问题，提出张量幂方法初始化 EM 的 Tensor-EM 流程，并证明 N、J 同时增大时 MLE 的聚类一致性。
2022-09-14 stat.ME
Model-Free Assessment of Simulator Fidelity via Quantile Curves
Department of IEOR and Data Science Institute, Columbia University（工业工程与数据科学学院，哥伦比亚大学）
本文提出通过分位数曲线评估模拟器保真度，构建置信区间以估计潜变量参数差异，支持统计推断和风险测量，适用于多种输出空间。
2026-04-15 cs.AI cs.LG stat.ME
A Generalized Latent Factor Model Approach to Mixed-data Matrix Completion with Entrywise Consistency
London School of Economics and Political Science（伦敦政治经济学院）；University of Minnesota（明尼苏达大学）
矩阵补全是一类机器学习方法，它涉及部分观测矩阵中缺失项的预测。本文研究了混合数据的矩阵完备化问题，涉及混合类型的变量的数据（例如，连续的、二进制的、有序的）。我们将其表示为一般非线性因子模型下的低秩矩阵估计问题，然后提出了用于估计低秩矩阵的逐项相合估计量。紧概率误差界推导出建议的估计。所提出的方法进行了评估，通过模拟研究和实际数据的应用，协同过滤和大规模的教育评估。
2022-11-17 cs.LG math.ST stat.ME
Goodness-of-Fit Tests for Latent Class Models with Ordinal Categorical Data
School of Economics and Finance, Chongqing University of Technology, Chongqing, 400054, China（经济金融学院，重庆理工大学，重庆，400054，中国）
本文提出了一种检验统计量，用于确定有序分类数据潜在类别模型中的潜在类别数量，通过分析残差矩阵的最大奇异值并进行样本量调整，实现对潜在类别数目的准确估计。
2026-02-25 cs.LG stat.ME stat.ML
Latent Theme Dictionary Model for Finding Co-occurrent Patterns in Process Data
提出潜在主题词典模型LTDM，以非参数贝叶斯MCMC算法识别过程数据中的共现事件模式和相似行为个体，并通过模拟与PISA数据验证。
2020-09-02 stat.AP stat.ME
Different representation learning objectives recover distinct latent structures from the same psychometric data
Yale University（耶鲁大学）；Yale School of Public Health（耶鲁公共卫生学院）；VA Connecticut Healthcare System（VA康涅狄格医疗系统）；Cooperative Studies Program Coordinating Center（合作研究项目协调中心）；Center for the Advancement of Research & Development in Educational Technology (CARDET)（教育技术研究与发展促进中心（CARDET））
该研究以757对师生的心理测量数据为对象，发现不同表征学习目标恢复的潜在结构不同，对比学习提升了师生检索性能但保留行为表型结构的效果弱于PCA，多任务目标可部分恢复行为组织但降低检索性能。
2026-09-02 cs.AI cs.LG stat.ME
