基于潜变量模型的多元有序数据轮廓分析法

发布时间：2021-10-10 23:36

　　提出了一种适用于多元有序数据的轮廓分析方法。鉴于有序数据无法满足轮廓分析对数据正态性的要求,采用潜变量模型对有序变量进行赋值,利用Bootstrap方法重构样本,使重构后的新数据满足正态性且总体均值与原样本一致,因而可以将轮廓分析法应用于有序数据均值向量的比较问题。讨论了单样本情形的同水平假设、两样本和多样本情形的平行、同水平和平坦性假设,并给出相应的检验统计量和拒绝域。最后,通过随机模拟来检验该方法的合理性,并得到结论:样本质量较高时,该方法在控制第一类错误和提高检验的功效上效果很好;对于一般样本而言,该方法的实际第一类错误较名义值有所增大,可通过提高原始样本量、降低名义第一类错误和进行多次试验来解决。 

【文章来源】：统计与信息论坛. 2019,34(05)北大核心CSSCI

【文章页数】：7 页

【文章目录】：
一、引 言
二、方 法
    (一) 潜变量模型
    (二) 重构数据和轮廓分析
        1.单总体情形
        2.两总体情形
            (1) 平行假设
            (2) 同水平假设
            (3) 平坦性假设
    (三) 多总体情形
        1.平行假设
        2.同水平假设
        3.平坦性检验
三、随机模拟
    (一) 正态性检验
    (二) 单样本同水平检验
    (三) 两样本平行检验
四、总结与展望


【参考文献】：
期刊论文
[1]对比标度权重法在量化有序多分类变量中的应用[J]. 丁元林,孔丹莉.  数理医药学杂志. 2005(01)

硕士论文
[1]多分类有序变量间距差异的统计分析与实际应用[D]. 陈民恳.厦门大学 2007



本文编号：3429364