كاربردي از ارزيابي خطاي اندازه‌ گيري به‌ روش تحليل ردۀ نهان

The Comparison Between Goodness of Fit Tests for Copula

تحليل ردۀ نهان (LCA) روشي براي ارزيابي خطاهاي غير نمونه‌گيري، به‌خصوص خطاي اندازه‌گيري داده‌هاي رسته‌اي است. [1]، چهار رهيافت مدل‌بندي ردۀ نهان، يعني پارامتري‌سازي مدل احتمالاتي، مدل لگ خطي، مدل مسير تعديل‌يافته و مدل نموداري را با استفاده از نمودارهاي مسير معرفي كرده است. اين مدل‌ها قابل تبديل به يكديگرند. مدل‌هاي احتمالاتي ردۀ نهان، درست‌نمايي جدول رده‌بندي تقاطعي متغيرها را بر حسب احتمال‌هاي شرطي و حاشيه‌اي مربوط به هر خانۀ اين جدول بيان مي‌كند. در اين رهيافت پارامترهاي مدل با استفاده از الگوريتم EM براورد مي‌شوند. براي آزمون مدل ردۀ نهان، آمارۀ خي‌دو به‌عنوان ملاك نيكويي برازش معرفي شده است. در اين مقاله از LCA و داده‌هاي يك آمارگيري كوچك مقياس براي محاسبۀ خطاي بد‌رده‌بندي (كه يك نوع خطاي اندازه‌گيري است) نسبت دانشجوياني كه دست كم در يك درس مردود شده‌اند و نيز خطاي بد‌رده‌بندي نسبت دانشجوياني كه دست كم يك‌بار مشروط شده‌اند، استفاده شده است.

Latent class analysis (LCA) is a method of evaluating non sampling errors, especially measurement eiTor in categorical data. Biemer (20 11) introduced four latent class modeling approaches: probability model parameterization, log linear model, modified path model, and graphical model using path diagrams. These models are interchangeable. Latent class probability models express likelihood of cross-classification tables in te1m of conditional and marginal probabilities for each cell. In this approach model parameters are estimated using EM algorithm. To test latent class model chi-square statistic is used as a measure of goodness-of-fit. In this paper we use LCA and data from a small-scale survey to estimate misclassification error (as a measurement error) of students who had at least a failing grade as well as misclassification error of students with average grades below 14.