A Regularised Latent-Class Item Response Model for Detecting Measurement Non-Invariance in Ordinal Response Scales
Lancaster University(兰卡斯特大学);Purdue University(普渡大学)
提出一种正则化潜在类别项目反应模型,通过ℓ1惩罚边际似然和EM算法检测有序量表上的差异项目功能,无需已知分组标签或锚定项目。
2026-06-05 stat.ME
Modelling Ordinal Responses with Uncertainty: a Hierarchical Marginal Model with Latent Uncertainty components
在回答评级问题时,个人可能会根据他/她的知识/意识或他/她的犹豫不决/不确定性水平给出答案,通常由回答风格驱动。由于忽略这种双重行为可能会导致误导性的结果,我们定义了一个多变量模型的顺序评级反应,通过引入,为每个项目,一个二元潜变量,区分意识不确定的反应。潜在变量和可观察变量之间的一些独立假设描述了不确定行为,并使模型更容易解释。通过指定概率分布来模拟不确定的响应,这些概率分布可以描述表征不确定评定者的不同响应风格。边际参数化允许一个简单和直接的解释的参数之间的关联意识到的反应和他们的依赖解释因素。该模型的有效性证明通过应用到实际数据和支持的蒙特卡罗研究。
2018-05-16 stat.ME
Bayesian Nonparametric Modeling for Multivariate Ordinal Regression
通常假设单变量或多变量有序响应来自潜在连续参数分布,协变量效应线性进入。本文介绍了一种单变量和多变量有序回归的贝叶斯非参数建模方法,该方法基于潜响应和协变量的联合分布的混合建模。建模框架可以高度灵活地推断有序回归关系,避免协变量效应中的线性或加性假设。在标准参数有序回归模型中,计算挑战来自于可识别性约束和需要非标准推理技术的参数估计。非参数模型的一个关键特征是它实现了推理的灵活性,同时避免了这些困难。特别是,我们建立了充分支持的非参数混合模型下的固定截止点,通过离散化的潜在连续响应与顺序响应。通过应用到两个数据集的计量经济学,一个例子,涉及臭氧浓度的回归关系,和多评价协议问题的建模方法的实际效用说明。
2016-09-20 stat.ME
On the Structure of Ordered Latent Trait Models
目前常用的有序项目反应模型可分为三类,即累积型、序贯型和相邻类模型。模型的推导和动机通常基于潜在特征或底层过程模型的假设存在。在建设经常二进制模型发挥了重要作用。本文的目的是给动机的模型,并澄清的作用,二进制模型的各种类型的有序模型。研究了哪些二进制模型包括在有序模型中,以及如何从一系列二进制模型构建模型。在所有的模型中,人们发现一个古特曼空间结构,这是以前特别是部分信贷模型的研究。二元模型的考虑增加了对模型参数的解释,这是有帮助的,特别是在部分信用模型的情况下,对于该模型的解释不如其他模型直接。一个具体的主题是解决的顺序的阈值在部分信用模型,因为一些研究人员反向排序是一种异常,其他人不同意。有人认为,阈值的顺序不是部分信贷模式的构成要素。
2019-06-10 stat.ME
A Latent Causal Inference Framework for Ordinal Variables
提出一个基于潜在高斯DAG模型的序数因果推断框架,推导闭式干预效应公式,并结合序数结构EM算法,在模拟和408名患者调查数据上验证了其有效性。
2025-02-24 stat.ME stat.ML
Two-step estimation of latent trait models
本文提出将两步估计法应用于潜特质模型,先估计测量模型再固定参数估计结构模型,并通过模拟与应用实例证明其优于一步法和三步法,具有良好实用性与概念优势。
2025-08-25 stat.ME
Latent Trait Item Response Models for Continuous Responses
给出了连续反应条件下潜在特质项目反应模型的一般框架。与传统上区分真实分数和错误分数的经典测试理论模型相反,这些反应显然与潜在特征有关。结果表明,经典的测试理论模型可以作为特例导出,但模型类要宽得多。特别是,它提供了以某种方式受到限制的反应的适当建模,例如,如果反应是积极的或被限制在一个区间内。这类限制很容易合并到建模框架中。对区间的限制通常在产生不适当模型的常见模型中被忽略,例如,在对Likert类型数据建模时。该模型还扩展了常见的响应时间模型,这些模型可以被视为特殊情况。属性的模型类派生和总得分的作用进行了调查,这导致修改后的总得分。几个应用程序说明了模型的使用,包括一个例子,其中考虑到可能修改响应的协变量。
2022-04-08 stat.ME
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
Multidimensional Bayesian IRT Model for Hierarchical Latent Structures
在许多情况下,我们有理由认为,个体的潜在特征具有层次结构,因此,更一般的特征是更具体的特征的适当组合。现有的项目反应模型,占这样的层次结构的功能有相当大的局限性,在建模和/或推理。出于这些限制和主题的重要性,本文旨在提出一种改进的方法,在建模和推理方面,以处理层次结构的潜在特质的项目反应理论的背景下。从建模的角度来看,所提出的方法允许真正的多维项目和假设的层次结构中的所有潜在特征是在同一规模上。项目可以是二分的或分级的反应。设计了一种有效的MCMC算法,从所提出的模型的所有未知量的联合后验分布中进行采样。特别地,在吉布斯抽样算法中,所有潜在特质参数从它们的全条件分布联合抽样。所提出的方法适用于模拟数据和真实的数据集有关的Enem考试在巴西。
2020-07-26 stat.ME
Measuring Negotiation Traits with Collaborative Choice Data: A Two-Stage Latent Variable Model
London School of Economics and Political Science(伦敦政治经济学院);Educational Testing Service(美国教育考试服务中心);Collaborative Innovation Center of Assessment for Basic Education Quality, Beijing Normal University(北京师范大学基础教育质量协同创新中心)
针对协作决策中难以提取个体谈判特质的问题,提出两阶段潜变量测量模型,结合成员奖励与潜在特质生成团队选择并建模个体响应,模拟与实证均验证了其预测准确性和有效性。
2026-10-07 stat.ME
Biclustering bipartite networks via extended Mixture of Latent Trait Analyzers
本研究扩展潜在特质分析器混合模型(MLTA)实现二部网络双聚类,支持伴随变量引入,采用基于高斯-埃尔米特近似的EM类算法估计参数,经模拟验证性能后应用于儿科阑尾炎患者二部网络以识别相似患者群体。
2024-04-15 stat.ME
Mixture of Latent Trait Analyzers for Model-Based Clustering of Categorical Data
连续数据的基于模型的聚类方法已经得到了很好的建立,并且在广泛的应用中得到了广泛的应用。然而,分类数据的基于模型的聚类方法不太标准。潜在类分析是一种常用的基于模型的二进制数据和/或分类数据的聚类方法,但由于假设的局部独立结构,估计的潜在类和感兴趣的群体中的组之间可能没有对应关系。潜在特质分析器模型的混合扩展潜在类分析,假设一个模型的分类响应变量,取决于一个分类的潜在类和一个连续的潜在特质变量;离散的潜在类容纳组结构和连续的潜在特质容纳这些组内的依赖。拟合潜在特质分析者的混合模型潜在地是困难的,因为似然函数涉及不能被分析地评估的积分。我们开发了一个变分的方法来拟合潜在特质模型的混合物,这提供了一个有效的模型拟合策略。潜在特质分析者的混合模型的分析数据来自国家长期护理调查(NLTCS)和美国国会的投票。该模型产生直观的聚类结果,它给出了一个更好的适合无论是潜在的类分析或潜在性状分析。
2013-02-19 stat.CO stat.ME
Modeling Covariate Feedback, Reversal, and Latent Traits in Longitudinal Data: A Joint Hierarchical Framework
Virginia Commonwealth University(弗吉尼亚联邦大学);Arizona State University(亚利桑那州立大学)
本文提出一种联合分层框架,用于纵向数据中协变量反馈、逆转和潜在特质的建模,通过联合建模二元和连续协变量以及共同潜在特质,提升对动态行为和生理过程的预测和干预能力。
2026-02-26 stat.ME
Comparing latent inequality with ordinal data
本文提出无需参数假设即可基于序数数据识别和推断两个潜在连续分布的组间与组内不平等,并给出内部置信集及频率学派、贝叶斯推断方法。
2025-01-09 econ.EM math.ST stat.ME
Latent class multivariate probit and latent trait models for evaluating test accuracy without a gold standard: A simulation study
University of Leicester(莱斯特大学);Omnicom Media Group(奥美媒体集团);Bristol Medical School, University of Bristol(布里斯托大学布里斯托医学院)
本文通过模拟研究比较无金标准下评估测试准确性的LC-MVP与潜在特质模型,发现LC-MVP整体性能更优且更稳健,并推荐结合自定义相关约束和先验使用LC-MVP。
2025-09-23 stat.AP stat.ME
A Taxonomy of Polytomous Item Response Models
提供了一个共同的框架,包括经典的顺序项目反应模型的累积,顺序和相邻类别模型,以及名义反应模型和项目反应树模型。分类法基于二进制模型可以被视为各种模型的构建块的方式。特别是,可以区分条件和无条件模型组件。到目前为止,条件模型是包含相邻类别模型和整个层次结构模型的较大类别的模型。后者被引入作为一类模型,包括二叉树和层次结构的模型,有条件地使用序数模型。对潜在特质模型中包含的二元模型的研究阐明了模型与项目参数解释之间的关系。它还用于通过给出有序模型的概念化来区分有序模型和名义模型。该分类法与以前的分类法不同,它侧重于二分法的结构化使用,而不是参数化的作用。
2020-10-03 stat.ME
Longitudinal modeling of age-dependent latent traits with generalized additive latent and mixed models
我们提出了广义加性潜伏和混合模型(GALASTIC)的聚类数据的响应和潜变量依赖于观测变量顺利分析。提出了一种可扩展的极大似然估计算法,利用拉普拉斯近似,稀疏矩阵计算,自动微分。混合响应类型、异方差性和交叉随机效应自然被纳入框架。开发的模型的动机是在认知神经科学中的应用,并提出了两个案例研究。首先,我们展示了GALASTIC如何共同模拟情节记忆,工作记忆和速度/执行功能的复杂寿命轨迹,分别由加利福尼亚语言学习测试(CVLT),数字广度测试和Stroop测试测量。接下来,我们研究了社会经济地位对大脑结构的影响,使用教育和收入数据以及通过磁共振成像估计的海马体积。通过将半参数估计与潜在变量建模相结合,GALASTIC可以更真实地表示大脑和认知在整个生命周期中的变化,同时从测量项目中估计潜在特征。模拟实验表明,即使在中等样本量的情况下,模型估计值也是准确的。
2023-02-02 stat.AP 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
Multidimensional Item Response Theory under General Latent Distributions
University of Michigan(密歇根大学);University of Washington(华盛顿大学)
针对多维项目反应理论中潜在分布被假定为高斯分布的限制,提出基于流的框架以捕捉非高斯潜在分布,并联合学习项目参数、潜在分布和后验近似,改善参数恢复。
2026-05-28 stat.AP stat.ME
Multilevel mixtures of latent trait analyzers for clustering multi-layer bipartite networks
该研究扩展潜在特质分析器混合模型至多层二部网络,结合多水平方法实现发送节点聚类,并通过模拟和欧洲社会调查数据验证了模型在参数与聚类恢复上的有效性。
2024-03-18 stat.ME
A brief introduction on latent variable based ordinal regression models with an application to survey data
本研究针对临床试验中调查数据用普通线性回归分析存在假设不满足、仅能反映平均响应等问题,概述了基于潜变量的有序回归模型的原理、真实数据应用、前沿软件使用及优缺点,是儿科麻醉结构化访谈研究的配套工作。
2024-01-30 stat.AP stat.ME
Assessing phenotypic correlation through the multivariate phylogenetic latent liability model
理解哪些表型性状在整个进化过程中始终相关是现代进化生物学中一个高度相关的问题。在这里,我们提出了一个多变量系统发育潜在责任模型,用于评估多种类型的数据之间的相关性,同时控制通过分子序列告知他们未知的共享进化历史。潜在的配方使我们能够考虑在一个单一的模型组合的连续性状,离散二进制性状和离散性状与多个有序和无序状态。以前的方法通常沿着固定的历史记录来处理单一的数据类型,排除了对性状之间的相关性的估计,并且忽略了历史记录中的不确定性。我们实现我们的模型在贝叶斯系统发育框架,并讨论假设检验的推理技术。最后,我们通过应用于Columbine花形态,沙门氏菌的抗生素耐药性和流感的表位进化来展示该方法。
2015-09-16 q-bio.PE stat.AP stat.ME
Invariance of Comparisons: Separation of Item and Person Parameters beyond Rasch Models
Rasch模型是常用的潜在特质模型中最突出的成员。主要原因是,它可以被视为一种测量模型,允许分离的人和项目参数,一个功能,被称为比较或特定客观性的不变性。结果表明,该属性是不是一个独特的性状的Rasch型模型,但也发现在替代的潜在性状模型。区分理论测量模型中的可分性和经验可分性,经验可分性意味着可以在不参考其他参数组的情况下估计参数。一种新的类型的成对估计与此属性的建议,也可以用于替代模型。可分离性在二元模型和多元模型中都被考虑。
2023-01-08 stat.ME
Robust and Efficient Estimation in Ordinal Response Models using the Density Power Divergence
本文提出基于密度幂散度(DPD)的最小距离估计方法,为有序响应模型提供稳健的参数估计,以克服数据污染导致最大似然法不可靠的问题,并从理论和模拟上验证了其有效性。
2024-01-05 stat.AP stat.ME
Measurement Induced Confounding
New York University(纽约大学)
针对观测研究中潜变量测量误差导致因果估计偏倚的问题,提出贝叶斯联合估计方法同时估计测量模型、处理分配模型和响应模型以消除偏倚。
2026-07-03 stat.ME
Human- vs. AI-generated tests: dimensionality and information accuracy in latent trait evaluation
University of Salento(萨伦托大学)
本研究比较了AI生成与人类开发的BAQ问卷,发现AI生成的问卷在维度性和潜在特质信息分布上存在差异,强调了AI工具准确性验证的重要性。
2026-09-25 cs.HC cs.IT math.IT
Accelerating Bayesian inference of dependency between complex biological traits
推断复杂的生物性状之间的依赖关系,同时占标本之间的进化关系是巨大的科学兴趣,但仍然是不可行的性状和标本数量增长大。国家的最先进的方法使用系统发育的多变量概率模型,以适应二进制和连续性状通过一个潜在的变量框架,并利用一个有效的弹性粒子采样器(BPS),以解决计算瓶颈-集成许多潜在的变量从一个高维截断正态分布。这种方法随着样本数量的增长而崩溃,并且无法可靠地表征性状之间的条件依赖性。在这里,我们提出了一个推理管道系统发育概率模型,大大优于BPS。新颖之处在于:1)最近的Zigzag哈密顿蒙特卡罗(Zigzag-HMC)与线性时间梯度评估的组合,以及2)高度相关的潜变量和相关矩阵元素的联合采样方案。在一个从535种病毒探索HIV-1进化的应用程序中,推断需要从11,235维截断正态和24维协方差阵中联合采样。与BPS相比,我们的方法产生了5倍的加速,并且可以学习候选病毒突变和毒力之间的部分相关性。现在,计算速度的提高使我们能够解决更大的问题:我们研究了大约900种病毒上H1N1流感糖基化的进化。为了更广泛的适用性,我们扩展了系统发育概率模型,将分类性状,并证明其用于研究Aquilegia花和传粉者的共同进化。
2022-09-07 q-bio.PE stat.CO stat.ME
Beyond the mean: Sequence analysis methods for clustering ordinal EMA data
University of Kentucky(肯塔基大学);Yale University(耶鲁大学)
本文提出通过序列分析方法和PCA聚类,改进对纵向有序EMA数据的聚类分析,以捕捉动态时间模式,提升对认知表现影响的刻画。
2026-04-26 stat.AP stat.ME
Logistic Multidimensional Data Analysis for Ordinal Response Variables using a Cumulative Link function
Leiden University(莱顿大学)
本文提出了一种多维数据分析框架,用于处理有序响应变量。通过假设连续潜在变量,构建累积逻辑模型。框架包含无监督和有监督方法,并区分主导变量和接近变量,采用期望-最大化-最小化算法进行参数估计。
2025-01-22 stat.CO stat.ME
Clustering South African households based on their asset status using latent variable models
阿金库尔卫生和人口监测系统自2001年以来进行了半年一次的家庭资产调查,以量化生活在南非东北部农村人口的家庭社会经济状况。该调查包含二进制,序数和名义项目。在没有收入或支出数据的情况下,研究人口中的SES景观进行了探索和描述,根据其资产状况将家庭聚类为同质组。基于隐变量模型,提出了一种基于模型的方法来聚类的阿金库尔家庭。在对二元或有序项建模的情况下,采用项目反应理论模型。对于名义调查项目,使用了一个因素分析模型,其性质类似于多项概率模型。这两种模型类型都有一个潜在的潜在变量结构--这种相似性被利用,模型被组合起来产生一个能够处理混合数据类型的混合模型。此外,混合模型的混合物被认为是在混合的二进制,有序和标称响应数据的上下文中提供聚类能力。该模型被称为混合数据混合因子分析器(MFA-MD)。MFA-MD模型适用于调查数据的Agincourt家庭聚类成同质组。该模型估计贝叶斯范式内,使用马尔可夫链蒙特卡罗算法。直观的分组结果,提供了对阿金库尔地区不同社会经济阶层的洞察力。
2014-07-31 stat.AP stat.ME
Sequential reduction for discrete latent variables in ecological and evolutionary models using RTMB
Cahill Analytics;Technical University of Denmark(丹麦技术大学);Alaska Fisheries Science Center, National Marine Fisheries Service(阿拉斯加渔业科学中心,国家海洋渔业服务局)
本文提出RTMB包中的序贯约简方法,结合自动微分和拉普拉斯近似高效拟合含离散和连续潜变量的混合模型,并展示其在生态和系统发育应用中的速度与灵活性。
2026-09-15 q-bio.PE stat.ME
Deep Computerized Adaptive Testing
University of Chicago(芝加哥大学)
本文提出一种基于多变量潜在特质的深度自适应测验系统,利用贝叶斯稀疏多变量IRT方法,通过直接采样提升信息论项目选择效率,并采用双重深度Q学习算法优化项目选择策略。
2026-03-14 stat.ME
A Restricted Latent Class Hidden Markov Model for Polytomous Responses, Polytomous Attributes, and Covariates: Identifiability and Application
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出了一种受限潜在类隐马尔可夫模型,用于处理多项响应、属性和协变量,通过模拟和实际数据验证了其可识别性和应用效果。
2026-03-10 stat.ME
A Restricted Latent Class Model with Polytomous Attributes and Respondent-Level Covariates
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出了一种具有多项属性和受访者层面协变量的受限潜在类别模型,用于更精确地识别抑郁症的潜在结构。
2026-03-09 stat.ME
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
DIF Statistical Inference without Knowing Anchoring Items
针对DIF分析中锚题未知导致潜在特质分布难识别、现有方法难以保证有效推断的问题,提出基于MIMIC模型和最小L1范数条件的方法,实现无锚题先验下的DIF效应估计、不确定性量化与I类错误控制。
2023-01-11 stat.AP stat.ME
Introducing Flexible Monotone Multiple Choice Item Response Theory Models and Bit Scales
Umeå University(于默奥大学)
提出用自动编码器拟合的单调多项选择IRT模型,并通过模拟与瑞典真实测验数据证明其拟合优于名义反应模型,同时引入可将潜在特质量表转为比率量表的比特量表。
2024-10-02 cs.LG stat.ME stat.ML
Computational strategies and estimation performance with Bayesian semiparametric Item Response Theory models
项目反应理论(IRT)模型通常依赖于特定主题的潜在特质的正态性假设,这在实践中往往是不现实的。基于Dirichlet过程混合的半参数扩展提供了一个更灵活的表示未知分布的潜在特质。然而,在IRT文献中使用这种模型是非常有限的,在很大程度上是因为缺乏全面的研究和可用的软件工具。本文为半参数IRT模型及其实现提供了指导。特别是,我们依赖于NIMBLE,一个灵活的软件系统,分层模型,使使用狄利克雷过程的混合物。我们强调有效的抽样策略模型估计和比较参数和半参数模型下的推断结果。
2022-08-10 stat.AP stat.ME
Adaptive partition Factor Analysis
Barcelona School of Economics(巴塞罗那经济学院);Universitat Pompeu Fabra(庞培法布拉大学);University of Padova(帕多瓦大学)
本文提出自适应划分因子分析方法,通过引入新的收缩先验来适应更广泛的情境,提升多研究因子分析的可识别性和计算效率。
2026-01-21 stat.AP stat.ME stat.OT