Un modelo de variable latente es un modelo estadístico que relaciona un conjunto de variables observables (las llamadas variables manifiestas ) con un conjunto de variables latentes .
Se asume que las respuestas sobre los indicadores o variables manifiestas son el resultado de la posición de un individuo en la (s) variable (s) latente (s), y que las variables manifiestas no tienen nada en común después de controlar por la variable latente ( independencia local ).
Se pueden agrupar diferentes tipos del modelo de variables latentes según que las variables manifiestas y latentes sean categóricas o continuas: [1]
Variables manifiestas | ||
---|---|---|
Variables latentes | Continuo | Categórico |
Continuo | Análisis factorial | Teoría de la respuesta al ítem |
Categórico | Análisis de perfil latente | Análisis de clases latentes |
El modelo de Rasch representa la forma más simple de teoría de respuesta al ítem. Los modelos de mezcla son fundamentales para el análisis de perfiles latentes.
En el análisis factorial y el análisis de rasgos latentes las variables latentes se tratan como variables continuas normalmente distribuidas , y en el análisis de perfil latente y análisis de clases latentes como de una distribución multinomial . [2] Las variables manifiestas en el análisis factorial y el análisis de perfil latente son continuas y, en la mayoría de los casos, se asume que su distribución condicional dadas las variables latentes es normal. En el análisis de rasgos latentes y el análisis de clases latentes, las variables manifiestas son discretas. Estas variables pueden ser variables dicotómicas, ordinales o nominales. Se supone que sus distribuciones condicionales son binomiales o multinomiales.
Debido a que la distribución de una variable latente continua puede aproximarse mediante una distribución discreta, la distinción entre variables continuas y discretas resulta no ser fundamental en absoluto. Por lo tanto, puede haber una variable latente psicométrica, pero no una psicológica variable de psicométrica.
Recientemente, se aplicaron DSD y modelos de variables latentes por primera vez para la optimización de un procedimiento de extracción con el fin de analizar los compuestos objetivo presentes en muestras de vino. El modelado de variables latentes puede ser una herramienta relevante para la optimización de técnicas analíticas, contribuyendo a la implementación de protocolos de optimización rigurosos, sistemáticos y más eficientes. [3]
Ver también
Referencias
- ^ David J. Bartholomew, Fiona Steel, Irini Moustaki, Jane I. Galbraith (2002), El análisis y la interpretación de datos multivariados para científicos sociales , Chapman y Hall / CRC, p. 145
- ^ Everitt, BS (1984). Introducción a los modelos de variables latentes . Chapman y Hall. ISBN 978-9401089548.
- ^ "Diseños de cribado definitivo y modelización de variables latentes para la optimización de la microextracción en fase sólida (SPME): Estudio de caso - Cuantificación de ácidos grasos volátiles en vinos". doi : 10.1016 / j.chemolab.2018.06.010 . Cite journal requiere
|journal=
( ayuda )