Об обобщении метода латентного кластерного анализа

  • А.Ю. Шеларь Алтайский государственный университет
  • С.В. Дронов Алтайский государственный университет
Ключевые слова: латентный кластерный анализ, четырехпольные таблицы, оценка степени зависимости, корреляция, множественная регрессия

Аннотация

В работе предложен способ развития методов латентного кластерного анализа для задачи числовой оценки степени справедливости некоторого достаточно произвольного совместного свойства L двух показателей. Рассмотрено приложение этих методов для оценки степени независимости показателей на примере реальных социологических данных. Обсуждаются отличия нового подхода от традиционных методов и его преимущества.

Литература

1. Rindskopf D. Latent Class Analysis // The SAGE Handbook of Quantitative Methods in Psychology. – N.Y. : Sage, 2009. – P. 226–244.
2. Дронов С.В., Герасимова А.С. К проблеме оцифровки кластерной переменной // Анализ, геометрия и топология. Труды Всероссийской молодежной школы-семинара. — Барнаул : ИП Колмогоров И.А., 2013. — С. 54–58.
3. Dronov S.V., Sazonova A.S. Two approaches to cluster variable quantification // Model Assisted Statistics and Applications. – 2015. – Vol. 10. – P. 155–162.
4. Vermunt J.K., Magidson J. Latent class cluster analysis // Applied latent class analysis. – 2002. – Vol. 11. – P. 89–106.
5. Шеларь А.Ю., Дронов С.В. Латентный кластерный анализ для случая двух кластеров // МАК: “Математики -Алтайскому краю”: сборник трудов всероссийской конференции по математике. — Барнаул : Изд-во Алт. ун-та, 2018. — С. 23–26.
6. Bryukhanova E.A., Chekryzhova O.I., Dronov S.V. Spatial Approach to the Analysis of the Employment Data in Siberia Based on the 1897 Census (the Experience of the Multivariate Statistical Analysis of the Districts Data) // Journal of Siberian Federal University. Humanities & Social Sciences. – 2016. – Vol. 7. – P. 1651–1660.
Опубликован
2019-12-29
Как цитировать
1. Шеларь А., Дронов С. Об обобщении метода латентного кластерного анализа // Труды семинара по геометрии и математическому моделированию, 2019. № 5. С. 152-157. URL: http://journal.asu.ru/psgmm/article/view/7257.