Программа дисциплины «Методы анализа латентных признаков» icon

Программа дисциплины «Методы анализа латентных признаков»



НазваниеПрограмма дисциплины «Методы анализа латентных признаков»
Дата конвертации24.07.2012
Размер255.03 Kb.
ТипПрограмма дисциплины
скачать >>>

Государственное образовательное бюджетное учреждение

высшего профессионального образования

Государственный университет -

Высшая школа экономики


Факультет социологии


Программа дисциплины


«Методы анализа латентных признаков»

для направления 040200.68 «Социология» подготовки магистров

Авторы: А.А. Куликова (alinenok2001@mail.ru),

Г.Б. Юдин (gregloko@yandex.ru)

Рекомендована секцией УМС Одобрена на заседании кафедры


«Социология» методов сбора и анализа социологической информации

Председатель Зав. кафедрой

Ледяев В.Г. Толстова Ю.Н.

«_____» __________________ 2009 г. «____» ____________________ 2009 г


Утверждена УС факультета

социологии

Ученый секретарь

Надеждина Е.В.

« ____» ___________________2009 г.

Москва, 2009

I. Пояснительная записка.


Требования к студентам. Курс предназначен для студентов 5 курса направления «Социология» (специализация «Прикладные методы социологических исследований». Изучение курса предполагает предварительное знакомство с учебными дисциплинами «Методология социологического исследования», «Математико-статистические модели в социологии», «Анализ социологических данных-1», «Анализ социологических данных-2».

Задача курса. Курс нацелен на выработку у студентов систематического представления о роли латентных признаков в социологическом исследовании. В рамках курса решаются две основные задачи:

  1. создание теоретико-методологического фундамента для социологического анализа с использованием латентных признаков;

  2. обучение практическому применению методов латентно-классового анализа для исследования различных социологических проблем с помощью статистического пакета Latent Gold 4.0.

По результатам курса студенты должны иметь представление о месте латентных признаков в социологической теории и эмпирическом социологическом исследовании, знать основные типы задач, для решения которых задействуются латентные признаки, уметь составлять и оценивать собственные модели с использованием латентных признаков.

Структура курса. В настоящее время в социальных науках активно разрабатываются математические модели, включающие в себя латентные переменные. В то же время, вопрос о методологическом статусе латентных признаков тесно связан с трудностями причинного объяснения в социологии и формирует самостоятельную проблематику, знакомство с которой необходимо для адекватного применения методов анализа латентных признаков и корректной интерпретации результатов исследования. Этим определяется структура курса: курс состоит из двух основных частей – теоретико-методологической и практической.
Теоретико-методологическая часть включает лекции и семинары с обсуждением и докладами, практическая часть преимущественно состоит из практических занятий, на которых студенты обучаются построению моделей, о которых рассказывается на лекциях.

В теоретико-методологической части раскрывается история использования латентных признаков в психологии и социологии, обсуждаются причины и контекст заимствования понятия «латентного» в социологической теории. Рассматриваются работы Ч. Спирмена, Л. Терстоуна, П. Лазарсфельда, оказавших наиболее значительное влияние на формирование традиции анализа латентных признаков. Латентные признаки помещаются в более широкий философский контекст изучения причин и выработки моделей объяснения в социальных науках. Предлагается классификация методов, основанных на латентных переменных. Обсуждается развитие математических методов с использованием латентных признаков в рамках метода структурных уравнений и методологические предпосылки данного подхода.

Связующим звеном между теоретико-методологической и практической частью является повторение основ математического моделирования, основных понятий и этапов построения и оценки качества модели, знакомых студентам по курсам «Математико-статистические модели в социологии» и «Анализ социологических данных».

В практической части курса основное внимание уделяется латентно-классовым моделям. Производится обучение построению и проверке таких моделей с помощью статистического пакета Latent Gold 4.0. Практические занятия посвящены разработке простейших моделей, усложнённых моделей (моделей с ограничениями) сравнению и интерпретации моделей. В заключение студенты изучают и обучаются формированию таких разновидностей моделей с латентными признаками, как модели латентного роста, модели Раша, латентно-классовые модели в совместном анализе.


Базовый учебник.

Учебник, который можно было бы использовать в качестве базового для данного курса, отсутствует. Основные модели, рассматриваемые в практической части курса, специфицированы в техническом руководстве по использованию программы Latent Gold 4.0:

Magidson J., Vermunt J. Technical guide for GOLD 4.0: Basic and advanced. Belmont Massachusetts: Statistical Innovations Inc., 2005.

Кроме того, существуют сборники статей, в которых раскрываются проблемы измерения латентных признаков, основные модели с их использованием, а также примеры конкретных исследований с привлечением латентных признаков:

Математические методы в социальных науках. М.: Прогресс, 1973. (Раздел 1).

Applied latent class analysis / Ed. by J. Hagenaars and A. McCutcheon. Cambridge: Cambridge University Press, 2002.

URL:

Applications of latent trait and latent class models in social sciences / Ed. by J. Rost and R. Langeheine. Mьnster, New York, Mьnchen, Berlin: Waxmann, 1997.

URL:

Бульшая часть как основной, так и дополнительной литературы доступна через Интернет с компьютеров ВШЭ (по электронной подписке). Значительная часть литературы размещена в Интернете в свободном доступе.

Некоторые книги можно найти с помощью базы онлайн-книг EBRARY. Статьи в периодических изданиях можно найти с помощью баз данных периодики:

SAGE Journals Online

SpringerLink

Sceince Direct

JSTOR

ProQuest

Часть книг и журнальных публикаций, входящих в список литературы, размещена на портале Экономика. Социология. Менеджмент.


Формы контроля.

Текущий и промежуточный контроль:

  1. Посещение лекций и семинарских занятий.

  2. Доклады на семинарских занятиях.

Итоговый контроль:

  1. Зачёт.

Итоговая оценка:

  1. Оценка работы на семинарских занятиях (доклады и участие в обсуждении) – 20%.

  2. Зачёт – 80%.

Оценка работы на семинарских занятиях преимущественно состоит из оценки за доклад. На каждом занятии будут предложены темы для докладов в количестве, достаточном для подготовки доклада каждым студентом. Оценка за доклад выставляется по 10-тибальной системе и входит в общую оценку с весом 0,2. Особо активные студенты могут получить дополнительные баллы за участие в обсуждении.

Зачёт состоит из двух частей, которые соответствуют двум частям курса - теоретико-методологической и практической. В рамках первой части студенты письменно отвечают на вопросы по методологии моделирования латентными признаками. В рамках второй части студентам предоставляется возможность выбора из двух вариантов:

  1. Сконструировать собственную модель и оценить её с помощью программы Latent Gold, дав содержательную интерпретацию результатов и показав, каким образом модель позволяет объяснить интересующие исследования явления. В качестве данных для построения модели могут использоваться исследования ISSP, World Values Survey, Евробарометр, RLMS, а также собственные данные студентов.

  2. Решить предложенную преподавателем исследовательскую задачу с помощью построения модели с латентными признаками на данных, предоставленных преподавателем.

В результате работы на практической части зачёта студент сохраняет и сдаёт два файла: файл с полученными результатами (в формате *.lgf) и файл с описанием задач исследования, гипотез, этапов формирования модели, интерпретацией результатов и выводами (в формате *.doc).

Оценка за практическую часть зачёта выставляется на основании умения грамотно построить модель для решения исследовательской задачи, ввести дополнительные ограничения, выбрать лучшую из построенных моделей, а также на основании знания и умения правильно оперировать специальными терминами, на способности объяснить полученные с помощью компьютерной обработки результаты и дать корректную содержательную интерпретацию, сделать соответствующие выводы.

Оценка за каждую из двух частей зачёта вносит 50%-ный вклад в итоговую оценку за зачёт. Время на выполнение первой части зачёта – 40 мин., второй части зачёта – 60 мин.

II. Тематический расчёт часов.









Название темы



Всего часов по дисциплине



Аудиторные часы

Самостоятельная работа



Лекции

Сем. и практ. занятия

1

Понятие латентного признака

5

1

0

4

2

Роль латентных признаков в методологии социологического исследования

8

2

1

5

3

Модели исследования латентной структуры

8

2

1

5

4

Основы математического моделирования латентными признаками.

8

2

2

4

5

Латентно-классовый анализ: общая стратегия моделирования

9

2

2

5

6

Усложнённые латентно-классовые модели (модели с ограничениями)

8

1

2

5

7

Направления применения и развития латентно-классовых моделей

8

1

2

5




Итого:

54

11

10

33



III. Содержание курса.


Тема 1. Понятие латентного признака.

История возникновения понятия «латентного» в социологии. П. Лазарсфельд как основоположник понятия латентного признака в социологическом эмпирическом исследовании и исследователь теоретических истоков данного понятия в социологии и психологии.

Оппозиция «явное/латентное». Роль явного и латентного в социологическом исследовании. Место наблюдателя и его связь с различением «явное/латентное».

Спирмен и исследование по общему интеллекту как скрытому объекту. Аттитюд как пример латентного признака в социальной психологии и социологии.

Истоки понятия латентного в работах классиков теоретической социологии: солидарность Э. Дюркгейма как пример латентного объяснительного конструкта. Концепция идеальных типов М. Вебера, четыре типа социального действия и категория субъективного смысла как модель объяснения. Р. Мертон: явные и латентные функции.

Теоретические и эпистемологические предпосылки существования латентных признаков.

Основная литература.

Батыгин Г. Лекции по методологии социологического исследования. Учебник для вузов. М.: Аспект-Пресс, 1995. С. 62-101.

URL:

Вебер М. Основные социологические понятия // Теоретическая социология: Антология: в 2ч / сост. С.П. Баньковская. – М.: Книжный дом «Университет», 2002. - ч. 1. c. 70-176.

URL:

Девятко И. Диагностическая процедура в социологии: очерк истории и теории. - М.: Наука, 1993. С. 10-91.

URL:>


Дюркгейм Э. О разделении общественного труда. Метод социологии. М.: Канон, 1996. С. 55-77.

URL:


Дополнительная литература.

Луман Н. «Что происходит?» и «что за этим кроется?». Две социологии и теория общества // Теоретическая социология. Антология / Под ред. С.П. Баньковской. М.: Книжный дом «Университет», 2002. Ч. 2. С. 319-352.

URL:

Мертон Р. К. Явные и латентные функции // Американская социологическая мысль / Под ред. В. И. Добренькова. М., 1996. С. 393-461.

URL:

Толстова Ю. Измерение в социологии. М.: Инфра-М, 1998. С. 9-27.

URL:

Boudon R. The writings of Paul F. Lazarsfeld // On Social Research and its Language / Ed. by R. Boudon. Chicago: The University of Chicago Press, 1993. P. 299-322.

Lazarsfeld P. A conceptual introduction to latent structure analysis // Mathematical thinking in the social sciences. Glencoe: Free Press, 1969. Р. 349-387.

Spearman C. General intelligence, objectively determined and measured // American Journal of Psychology. 1904. Vol. 15, No. 2. P. 201-293. [Via JSTOR].


Тема 2. Роль латентных признаков в методологии социологического исследования.

Понятие объяснительной модели в социальных науках. Операционализация как связь теоретической схемы исследования с системой эмпирических показателей. Операциональное определение П. Бриджмена. «Язык науки» Р. Карнапа как выражение позиции неопозитивистов в отношении сведения теоретического и эмпирического уровней исследования

Теоретический статус латентных признаков. Эпистемологический и онтологический подход к пониманию латентных признаков. «Концептуальное единство» Спирмена. «Диспозиционные концепты» Гемпеля. Связь латентной структуры с операционализацией.

Закон и вероятность. Понятие объяснительного закона и закономерности. Общее понятие причины и основные подходы к ее пониманию. Проблема причинности в социологии.

Лазарсфельд и методология социологического эмпирического исследования. Латентный признак и вероятность события. Идея латентного и проблема причинности. Основные сферы использования латентных признаков в социальных науках. Исследование «Американский солдат» как пример реализации латентно-структурного подхода.

Теоретические представления П. Лазарсфельда как фундамент его эмпирических работ. Основные идеи П. Лазарсфельда и их влияние на развитие теоретической и эмпирической социологии.


Основная литература.

Девятко И. Модели объяснения и логика социологического исследования. М.: Ин-т социологии РАН, 1996. С. 8-31.

URL:

Батыгин Г. Лекции по методологии социологического исследования. Учебник для вузов. М.: Аспект-Пресс, 1995. С. 62-101.

URL:

Лазарсфельд П. Измерение в социологии // Американская социология. М.: Прогресс, 1972. C. 134-149.

Лазарсфельд П. Релевантность социологии // Философия и методология эмпирической социологии / Под ред. Л. Ионина. М.: ГУ-ВШЭ, 2004. С.184-202.


Дополнительная литература.

Бунге М. Причинность. Место принципа причинности в современной науке. М.: Изд-во Иностранной Литературы, 1962.

Кабыща А. Гносеологические проблемы операционализации понятий в социологических исследованиях. Автореф. М.: ИСИ АН СССР, 1978.

Карнап Р. Преодоление метафизики логическим анализом языка // Путь в философию. Антология. М., СПб., 2001.

URL:

Карнап P. Логические основания языка науки // Язык, Истина, Существование / Cост. В.А. Суровцев. Томск: Изд-во Томского ун-та, 2002.

URL:

Швырев В. Теоретическое и эмпирическое в научном познании. М.: Наука, 1978.

Abell P. Model building in sociology. New York: Schocken Books, 1971. P. 1-37.

Adler F. Operational Definition in Sociology // The American Journal of Sociology. 1947. Vol. 5, No. 5. P. 438-444. [Via JSTOR].

Blalock H. Causal inferences in nonexperimental research. New York: The University of North Carolina Press, 1964.

Blalock H. Theory construction: from verbal to mathematical formulations. Englewood Cliffs: Prentice-Hall International, Inc., 1969.

Bridgman P. The nature of physical theory. Princeton: Princeton University Press, 1936.

Dodd S., Shanas E. Operational Definition Operationaly defined // American Journal of Sociology. 1943. Vol. 48, No. 4. P. 482-491. [Via JSTOR].

Hart H. Toward an Operational Definition of the Term “Operation” // American Sociological Review. 1983. Vol. 18, No. 6. P. 612-617. [Via JSTOR].

Hempel C. Aspects of scientific explanation and other essays in the philosophy of science. New York: The Free Press, 1965.

Kendall P., Lazarsfeld P. Problems of Survey Analysis // Continuities in Social Research: Studies in the Scope and Method of the «American Soldier» / Ed. by R. Merton & P. Lazarsfeld. New York: Free Press, 1950. P. 133-196.

Lazarsfeld Р. A digression on disposition concepts. // On Social Research and its Language / Ed. by R. Boudon. Chicago: The University of Chicago Press, 1993. Р. 168-171.

Lazarsfeld P. Methodological problems in empirical social research // On Social Research and its Language / Ed. by R. Boudon. Chicago: The University of Chicago Press, 1993. P. 236-256.

Lundberg G. Operational Definitions in Social Sciences // American Journal of Sociology. 1942. Vol. 47, No. 5. P. 727-745. [Via JSTOR].

Rosenberg M. Dispositional concepts in behavioral science // Qualitative and quantitative social research / Ed. by R. Merton, J. Coleman, P. Rossi. London: Macmillan Publishers, 1979. P. 245-262.


Тема 3. Модели исследования латентной структуры.

Основные математические методы анализа латентных признаков. Аксиома локальной независимости как методологическая основа моделей с латентными признаками. Репрезентационная теория измерений и анализ латентных признаков: проблема уровней измерения явных и латентных признаков.

Шкалирование в социологии. Классическая тестовая традиция. Одномерные шкалы. Шкалы Лайкерта, Гуттмана, Терстоуна. Закон сравнительного суждения Терстоуна. Валидность и надёжность шкал. Многомерное шкалирование. Пространство восприятия.

Конфирматорный и эксплораторный факторный анализ как реализация различных исследовательских стратегий. Метод главных компонент. Ортогональные и неортогональные факторы. Основные понятия факторного анализа: факторные нагрузки, общность, характерность. Оценка качества модели в факторном анализе. Интерпретация факторов.

Эволюция методов анализа латентных признаков: причинный (путевой) анализ. Моделирование структурными уравнениями как комбинация регрессионного и факторного анализа. Методологические предпосылки структурных моделей. Проблема причины в структурных уравнениях.

Основная литература.

Толстова Ю. Измерение в социологии. М.: Инфра-М, 1998. С.44-129.

URL:

Bollen K. Structural equations with latent variables. New York: John Wiley & Sons, 1989. Р. 40-79, 179-225.

Дополнительная литература.

Григоренко Е. Применение статистического метода моделирования с помощью линейных структурных уравнений в психологии: за и против // Вопросы психологии. 1994. №4. C.108-126.

URL:

Джиампалиа Дж. От моделей с множественными индикаторами к моделям LISREL // Социология: 4М. 2005. №20. C. 159-188.

URL:

Ибрагимов Г. Основные понятия латентно-структурного анализа. Его применение для типологии // Типология и классификация в социологическом исследовании. М.: Наука, 1982. С. 99-110.

Коченков А., Толстова Ю. Идеи Лазарсфельда в современной социологии // Социология: 4М. 2003. №16. С. 127-149.

URL:

Лазарсфельд П. Латентно-структурный анализ и теория тестов // Математические методы в социальных науках. М.: Прогресс, 1973. С. 42-53.

Толстова Ю. Основы многомерного шкалирования. М.: Книжный Дом «Университет», 2006.

Харман Г. Современный факторный анализ. М.: Статистика, 1972.

Asher H. Causal modeling. London: Sage, 1983.

Blalock H. Causal inferences in nonexperimental research. New York: The University of North Carolina Press, 1964.

Clogg C. Some latent structure models for the analysis of Likert-type data // Social Science Research. 1979. Vol. 8, Iss. 4. P. 287-301. [Via Science Direct].

Duncan O.D. Introduction to structural equation models. New York: Academic Press, 1975.

Duncan O.D. Path analysis: sociological examples // The American Journal of Sociology. 1966. Vol. 72. No. 1. P.1-16. [Via JSTOR].

Goodman L. Latent class analysis: The empirical study of latent types, latent variables, and latent structures // Applied latent class analysis / Ed. by J. Hagenaars and A. McCutcheon. Cambridge: Cambridge University Press, 2002. P. 3-55. [Via EBRARY].

Joereskog K., Soerbom D. Advances in factor analysis and structural equation models. Cambridge: Cambridge University Press, 1979.

Kim J., Mueller C. Factor Analysis: Statistical methods and practical issues. Beverly Hills, CA: Sage Publications, 1981.

Likert R. A technique for the measurement of attitudes / Archives of Psychology. No. 140. New York: 1932.

URL:

Thurstone L. Attitudes can be measured // The American Journal of Sociology. 1928. Vol. 33, No. 4. P. 529-554. [Via JSTOR].


Тема 4. Основы математического моделирования латентными признаками.

Основные принципы моделирования латентными признаками. Индикаторы и латентные признаки, экзогенные и эндогенные переменные. Структурная и измерительная модель. Степени свободы. Насыщенные и ненасыщенные модели.

Методы оценки модели. Метод наименьших квадратов. Метод максимального правдоподобия. Параметры качества модели. Использование критериев, основанных на критерии хи-квадрат, для оценки качества модели. Гнездовые модели.

Латентно-структурный анализ. Вероятности принадлежности к латентному классу. Вероятностная и логлинейная параметризация в латентно-структурном анализе. Отношения шансов. Логиты. Примеры решения простых латентно-структурных моделей.

Основная литература.

Heinen T. Latent class and discrete latent trait models: Similarities and differences. L.: Sage, 1996. P. 30-64.

Lazarsfeld P., Henry N. Latent Structure Analysis. NY, 1968

Дополнительная литература.

Крыштановский А. Анализ социологических данных. М.: ГУ-ВШЭ, 2006. С. 47-81, 115-204.

Agresti A. An introduction to categorical data analysis. New York: John Wiley & Sons, 1996. P. 16-52, 145-173.

Bluman A. Elementary statistics. New York: McGraw-Hill, 2007. P. 547-583.

Bollen K. Structural equations with latent variables. New York: John Wiley & Sons, 1989. Р. 10-39, 80-130.

Cramer J.S. Logit models from economics and other fields. Cambridge: Cambridge University Press, 2003. P. 1-72.

Hagenaars J. Loglinear models with latent variables. L.: Sage, 1993. P. 1-38.

Lazarsfeld Р. A conceptual introduction to latent structure analysis // Mathematical thinking in the social sciences. Glencoe: Free Press, 1969. Р. 349-387.

Loehlin J. Latent variable models: An introduction to factor, path, and structural equation analysis. NJ: Lawrence Erlbaum, 2003. P. 1-86, 213-237.

Steiger J., Shapiro A., Browne M. On the multivariate asymptotic distribution of sequential сhi-square statistics // Psychometrika. 1985. Vol. 50, No. 3. P. 253-264. [Via SpringerLink].


Тема 5. Латентно-классовый анализ: общая стратегия моделирования.

Формулировка задачи для построения латентно-классовой модели. Принципы выбора среди латентно-классовых моделей. Модели, реализованные в Latent Gold 4.0. Интерфейс программы Latent Gold 4.0.

Моделирование с номинальными латентными признаками. Модели с различным уровнем измерения наблюдаемых признаков. Построение базовой модели. Оценка качества модели. Использование критериев L2, ?2, логарифмического правдоподобия (-2LL) и р-значений для определения качества модели.

Интерпретация результатов анализа в терминах логитов и вероятностей. Интерпретация латентных классов. Составление портрета классов.

Сравнение моделей, определение числа классов. Информационные критерии (AIC, BIC). Принцип экономии (parsimony). Использование бутстреппинга в латентно-классовом анализе. Сравнение гнездовых моделей. Дополнительные ограничения в модели: цели и условия введения дополнительных ограничений.

Использование экзогенных предикторов (ковариат) для предсказания принадлежности к классу. Методологические и технические аспекты преодоления аксиомы локальной независимости.

Основная литература.

Magidson J., Vermunt J. Technical guide for Latent GOLD 4.0: Basic and advanced. Belmont Massachusetts: Statistical Innovations Inc., 2005. Ch.5. P. 19-32.

McCutcheon A. Latent class analysis. London: Sage, 1987. P. 5-44.

Дополнительная литература.

Agresti A., Caffo B. Measures of relative model fit // Computational Statistics and Data Analysis. 2002. Vol. 39, No. 2. P. 127-136. [Via Science Direct].

Chan T.W., Goldthorpe J. Social stratification and cultural consumption: The visual arts in England // Poetics. 2007. Vol. 35, Iss. 2-3. P. 168-190. [Via Science Direct].

Dayton C.M., Macready G. Use of categorical and continuous covariates in latent class analysis // Applied latent class analysis / Ed. by J. Hagenaars and A. McCutcheon. Cambridge: Cambridge University Press, 2002. P. 213-233. [Via EBRARY].

Dias J., Vermunt J. Bootstrap methods for measuring classification uncertainty in latent class analysis // Proceedings in Computational Statistics / Ed. by A. Rizzi and M Vichi. Heidelberg: Springer, 2006. P. 31-41.

URL:

Hagenaars J. Latent structure models with direct effects between indicators // Sociological Methods and Research. 1988. Vol. 16, No. 3. P. 379-405. [Via SAGE Journals Online].

Magidson J., Vermunt J. Latent class model for clustering: A comparison with K-means // Canadian Journal of Marketing Research. 2002. Vol. 20. P. 36-43.

URL:

Uebersax J. A practical guide to local dependence in latent class models. URL:

Van Rees K., Vermunt J., Verboord M. Cultural classifications under discussion. Latent class analysis of highbrow and lowbrow reading // Poetics. 1999. Vol. 26, Iss. 5-6. P. 349-365. [Via Science Direct].

Vermunt J., Magidson J. Latent class models for classification // Computational Statistics and Data Analysis. 2003. Vol. 41, No. 3-4. P. 531-537.

URL:


Тема 6. Усложнённые латентно-классовые модели (модели с ограничениями).

Принципы построения моделей с ограничениями. Основные типы допустимых ограничений в латентно-классовых моделях и контекст их использования. Ограничения типа «равенство». Проблема эквивалентности измерений. Приравнивание к нулю путевых коэффициентов. Изучение корреляции между явными и между латентными признаками. Модели с неортогональными факторами. Использование «золотого стандарта» для построения профиля классов.

Наложение ограничений порядка на латентные переменные. Латентно-классовые модели с порядковыми латентными признаками (факторный анализ с дискретизацией фактора). Использование модели порядковой регрессии для анализа порядковых латентных признаков. Структурные модели с несколькими латентными переменными.

Латентные классы как сочетание порядковых латентных факторов. Использование данных о принадлежности к классу и значений уровня фактора для дальнейшего моделирования причинной структуры.

Проблемы оценивания моделей. Использование байесовских констант для нейтрализации локальных максимумов.

Основная литература.

Heinen T. Latent class and discrete latent trait models: Similarities and differences. L.; Sage, 1996. P. 65-90.

Magidson J., Vermunt J. Technical guide for GOLD 4.0: Basic and advanced. Belmont Massachusetts: Statistical Innovations Inc., 2005. Ch.5. P. 33-42.

Дополнительная литература.

Bassi F. Latent class factor models for market segmentation: An application to pharmaceuticals // Statistical Methods and Applications, 2007. Vol. 16, No. 2. P.279-287. [Via ProQuest].

Bollen K. Structural equation models that are nonlinear in latent variables: A least-squares estimator // Sociological Methodology. 1995. Vol. 25. P. 223-251. [Via JSTOR].

Croon M. Ordering the classes // Applied latent class analysis / Ed. by J. Hagenaars and A. McCutcheon. Cambridge: Cambridge University Press, 2002. P. 137-162. [Via EBRARY].

Graham J. Congeneric and (essentially) tau-equivalent estimates of score reliability: What they are and how to use them // Educational and Psychological Measurement. 2006. Vol. 66, No. 6. P. 930-944. [Via SAGE Journals Online].

Meredith W. Measurement invariance, factor analysis, and factorial invariance // Psychometrika. 1993. Vol. 58, No. 4. P. 525-543. [Via SpringerLink].

Uebersax J. A brief study of local maximum solutions in latent class analysis URL:

Тема 7. Направления применения и развития латентно-классовых моделей.

Регрессия на латентных классах. Двухшаговые модели: использование модальной принадлежности к классу в качестве предиктора. Одношаговые модели: комплексные структурные модели с включением непрерывных или дискретных зависимых признаков. Экзогенные предикторы в регрессии на латентных классах. Использование регрессии на латентных классах для совместного анализа (conjoint analysis).

Модели Раша. Недостатки моделей тестовой традиции в социологии (шкал Гуттмана и Терстоуна). Специфическая объективность. Простая логистическая модель Раша. Методы оценки качества модели. Оценка надёжности и валидности конструктов. Непараметрические модели Раша. Сфера использования модели. Недостатки модели.

Использование латентно-классового анализа для изучения динамики социальных процессов. Проблема гетероскедастичности в анализе лонгитюдных данных. Модели латентного роста (latent growth) и латентного перехода (latent transition). Интерпретация автокорреляции с помощью латентных признаков. Использование экзогенных признаков в моделях латентного роста.

Основная литература

Рэск Дж. (Г. Раш) Индивидуальный подход к анализу вопросов // Математические методы в социальных науках. М.: Прогресс, 1973. С. 91-116.

Vermunt J., Hagenaars J. Ordinal longitudinal data analysis // Methods in human growth research / Ed. by R.C. Hauspie, N. Cameron and L. Molinari. Cambridge, UK: Cambridge University Press, 2004. P. 374-393.

URL:

Дополнительная литература.

Лорд Ф. Отношение между тестовым баллом и исследуемой способностью // Математические методы в социальных науках. М.: Прогресс, 1973. С. 54-90.

Andrich D. Rasch models for measurement. L.: Sage, 1988.

Collins L., Flaherty B. Latent class models for longitudinal data // Applied latent class analysis / Ed. by J. Hagenaars and A. McCutcheon. Cambridge: Cambridge University Press, 2002. P. 287-304. [Via EBRARY].

Duncan T., Duncan S., Stoolmiller M. Modeling developmental processes using latent growth structural equation methodology // Applied Psychological Measurement. 1994. Vol. 18, No. 4. P. 343-354. [Via SAGE Journals Online].

Duncan T., Duncan S., Strycker L., Li F., Alpert F. An introduction to latent variable growth curve modeling. New Jersey: Lawrence Erlbaum Associates: 1999. P. 1-50.

Hambleton R., Jones R. Comparison of classical test theory and item response theory and their applications to test development // Educational Measurement: Issues and Practice. 1993, Fall. P. 38-47.

URL:

Holland P., Hoskens M. Classical test theory as a first-order item response theory: Application to true-score prediction from a possibly nonparallel test // Psychometrika. 2003. Vol. 68, No.1. P. 123-149. [Via SpringerLink].

Lunz M., Wright B. Latent trait models for performance examinations // Applications of latent trait and latent class models in social sciences / Ed. by J. Rost and R. Langeheine. Mьnster, New York, Mьnchen, Berlin: Waxmann, 1997. P. 80-88.

URL:

Muthйn B., Khoo S.-T. Longitudinal studies of achievement growth using latent variable modeling // Learning and Individual Differences. 1998. Vol. 10, No. 2. P. 73-101.

URL:

Wright B. Fundamental measurement for psychology // S.E. Embretson & S.L. Hershberger (Eds.), The new rules of measurement: What every educator and psychologist should know. Hillsdale, NJ: Lawrence Erlbaum Associates, 1999. P. 65-104.

URL:

IV. Вопросы для контроля.





  1. Истоки появления понятия «латентного» в социологии.

  2. Содержание понятия «аттитюд». Способы измерения аттитюдов.

  3. В чём состоит различие между явными и латентными признаками? В чём состоят различия в их измерении?

  4. Возможно ли последовательное разделение всех признаков на явные и латентные? Обоснуйте свою позицию.

  5. Роль анализа латентных признаков в операционализации понятий в эмпирическом социологическом исследовании.

  6. Теоретико-методологические предпосылки исследования латентных признаков в социологии.

  7. В чём состоят различия между эпистемологическим и онтологическим подходами к латентным признакам?

  8. Прокомментируйте утверждение «любой признак является латентным, поскольку ни один признак невозможно измерить напрямую».

  9. Происхождение, содержание и основные проблемы прямой модели измерения.

  10. Латентная типология как объяснительная модель

  11. Возможно ли, с Вашей точки зрения, построение причинного объяснения в социальных науках? Какие условия должны быть для этого соблюдены?

  12. Теоретические взгляды П. Лазарсфельда и его эмпирические исследования.

  13. Латентные признаки в редукционистских и пробабилистских объяснениях в социологии.

  14. Специфика латентных причин в причинных объяснениях в социологии.

  15. Основные конструктивные элементы моделей с латентными признаками. Понятие измерительной и структурной модели

  16. Два подхода к построению причинной объяснительной модели. Диспозиционный концепт и бихевиористская модель объяснения.

  17. Содержание и значение аксиомы локальной независимости. Роль в математическом моделировании, формальные и содержательные последствия снятия.

  18. Возможно ли использование порядковых индикаторов для латентных переменных в факторном анализе? Будет ли это противоречить репрезентационной теории измерений?

  19. Классическая тестовая традиция в социологии: основные шкалы, их преимущества и недостатки.

  20. Основные недостатки коэффициента ? Кронбаха как меры надёжности шкалы.

  21. Роль латентных переменных в многомерном шкалировании.

  22. Методы исследования латентной структуры для порядковых и номинальных индикаторов.

  23. Различия между классическим факторным и латентно-классовым анализом.

  24. Сходства и различия между конфирматорным и эксплораторным факторным анализом: методологические и технические аспекты.

  25. На чём строится причинное объяснение в структурных уравнениях?

  26. В чём состоят различия между структурной и измерительной моделью?

  27. Связь между вероятностной и логлинейной параметризацией латентно-классовых моделей.

  28. Стратегия построения латентно-классовой модели.

  29. Сравните методы латентно-классового и кластерного анализа с точки зрения круга решаемых задач, формальных моделей, способов получения результатов, надёжности результатов.

  30. В чём состоит суть принципа экономии и как он используется в латентно-классовых моделях?

  31. Методы оценки качества модели.

  32. Методы сравнения гнездовых и негнездовых моделей.

  33. В каких случаях допустима арифметическая операция вычитания со значениями ?2 для сравнения двух моделей?

  34. Соотношение между латентными классами и дискретными латентными факторами.

  35. Задачи и методы использования экзогенных предикторов (ковариат) в латентно-классовом анализе.

  36. Типы допустимых ограничений в латентно-классовом анализе и их смысл.

  37. Зачем нужно требование эквивалентности измерений? Какие типы эквивалентности измерений Вам известны?

  38. Использование латентно-классового анализа для сегментирования потребителей.

  39. Простая модель Раша. Содержание и основные предпосылки.

  40. Сфера применения моделей Раша. Преимущества и недостатки их использования.

  41. Преимущества использования латентно-классовых моделей для анализа динамики социальных явлений.

  42. Интерпретация результатов латентно-классового анализа с помощью пакета latent Gold 4.0.

  43. Использование графических средств Latent Gold 4.0 для интерпретации латентных классов.

V. Темы для докладов.


  1. Пример объяснительной модели (теоретической схемы) в социологической теории с использованием латентных признаков.

  2. «Что происходит?» и «Что за этим кроется?» - альтернативный латентному моделированию проект.

  3. Явные/латентные признаки и явные/латентные функции – сравнительный анализ.

  4. Операциональное определение П. Бриджмена – критическое осмысление подхода.

  5. Проблема сведения теоретического и эмпирического уровней исследования (на примере работ одного из участников Венской школы).

  6. Систематизация причинных схем и моделей объяснения в работах К. Гемпеля.

  7. Исследование «Американский солдат» - разбор методологического подхода.

  8. Методологические основания путевого анализа.

  9. Латентно-структурный анализ и метод структурных уравнений – сравнительный анализ объяснительных моделей.

  10. Использование ЛСА в батарее с другими методами. Проблема стыковки методов, варианты решения.





VI. Задания к практическим занятиям.


Задание 1. Построение латентно-классовой модели с одним номинальным латентным признаком (LC Cluster).

Файл с данными: gss82white.sav.

Выбрать уровень измерения и параметры распределения для индикаторов. Построить базовую модель (одноклассовая модель в предположении независимости). Оценить качество модели с помощью предлагаемых статистик, вызвать дополнительные статистики. Применить технологию бутстреппинга для получения более точной оценки модели.

Построить ряд моделей с 1-4 латентными классами. Сравнить модели с помощью показателей качества и информационных критериев. Выбрать оптимальную модель в соответствии с принципом экономии.

Интерпретация модели. Сравнить наполненность классов (вероятности принадлежности к классу) Проинтерпретировать модель в терминах логитов (при различных вариантах кодировки – кодировка через фиктивные переменные и через эффекты). Определить условные вероятности получения ответа Y у принадлежащих к классу Х. Определить условные вероятности принадлежности к классу Х у давших ответ Y. На основании полученных условных вероятностей дать интерпретацию латентным классам. Провести интерпретацию с помощью одномерного и двумерного профилей классов. Сделать выводы по симплексному отображению.

Оценить качество объяснения моделью отдельных переменных с использованием показателя R2 и корреляционных остатков. Построить модель с учётом слабо объясняемых корреляций. Сравнить модель с ограничением с моделью без ограничений с помощью калькулятора и с помощью бутстреппинга.

Сохранить модель.


Задание 2. Построение латентно-классовой модели с несколькими порядковыми латентными признаками (LC Factor).

Файл с данными: gss82white.sav.

Построить модель с наложением ограничений порядка на индикаторы, сравнить с моделью без ограничений. Наложить ограничение порядка на латентную переменную. Построить модели с разным числом дискретных латентных факторов и разным числом уровней факторов. Сравнить полученные модели, выбрать оптимальную.

Проинтерпретировать латентные факторы в терминах логитов и в терминах факторных нагрузок. Определить условные вероятности принадлежности к уровням латентных факторов. Сопоставить модели с одним и несколькими факторами (LC Factor как случай LC Cluster с дополнительными ограничениями).

Ввести в модель дополнительные ограничения:

- приравнять к нулю корреляцию индикаторов с факторами, с которыми эти индикаторы слабо связаны;

- приравнять друг к другу логлинейные коэффициенты при индикаторах латентного признака (?-эквивалентная модель);

- снять требование ортогональности факторов.

Дать интерпретацию факторам и латентным классам, используя графическое изображение пространства факторов.

Определить вероятности принадлежности к латентным классам респондентов с определённым профилем. Сохранить данные о принадлежности к латентным классам и значениях факторных шкал для отдельных респондентов в исходный файл.


Задание 3. Совместный анализ с выделением латентных классов.

Файл с данными: conjoint.sav.

Используя модуль LC Regression, оценить модель, предсказывающую склонность к покупке в зависимости от принадлежности к латентному классу. Определить оптимальное число классов и дать им интерпретацию. Ввести в модель экзогенные предикторы (демографические характеристики), оценить их влияние на латентную переменную и на склонность к покупке. Наложить на один из индикаторов ограничение независимости от принадлежности к классу или ограничение тождественности в нескольких (но не всех) классах. Наложить на один из индикаторов ограничение независимости в рамках одного из классов. Сопоставить вероятности принадлежности к латентным классам в классификации, полученной с помощью латентно-классовой модели и в модели с использованием только экзогенных предикторов.


Задание 4. Модель Раша.

Файл с данными: gss94.sav.

Используя модуль LC Cluster, сформировать модель оценки отношения к абортам по трём имеющимся индикаторам. Оценить параметры при индикаторах («сложность»). Определить, можно ли разделить совокупность на латентные классы. Наложить на латентные классы и на факторы ограничение ?-эквивалентности. Добавить экзогенный предиктор (пол). Оценить качество полученных моделей и сделать вывод об адекватности данных модели Раша.


Задание 5. Модель латентного роста.

Файл с данными: elliotreg.sav.

Используя модуль LC Regression, оценить простую логистическую модель с временем и полом в качестве предикторов употребления лёгкого наркотика. Построить модели с различным количеством латентных классов, где а) классы различаются только константой; б) классы различаются константой и трендом (наклоном). Проверить аналогичные гипотезы не для всех, а только для некоторых классов. Проверить гипотезу о стабильности процесса в одном из латентных классов. Сделать выводы относительно динамики курения марихуаны. Оценить модель с различиями между классами по полу, дать интерпретацию особенностей динамики в связи с особенностями класса.


Авторы программы: А.А. Куликова /__________/

Г.Б. Юдин /__________/




Похожие:

Программа дисциплины «Методы анализа латентных признаков» iconМинистерство экономического развития и торговли Российской Федерации Государственный университет Высшая школа экономики Факультет социологии Программа дисциплины «Методы анализа латентных признаков»
«Прикладные методы социологических исследований». Изучение курса предполагает предварительное знакомство с учебными дисциплинами...
Программа дисциплины «Методы анализа латентных признаков» iconМинистерство экономического развития и торговли Российской Федерации Государственный университет Высшая школа экономики Факультет социологии Программа дисциплины «Методы анализа латентных признаков»
«Прикладные методы социологических исследований». Изучение курса предполагает предварительное знакомство с учебными дисциплинами...
Программа дисциплины «Методы анализа латентных признаков» iconПрограмма дисциплины Теория и методы анализа публичной политики для направления 030200. 68 «Политология»
Тема Подготовка к политическому анализу методы (методика проведения политического анализа)
Программа дисциплины «Методы анализа латентных признаков» iconРабочая программа дисциплины методы анализа и синтеза медицинских изображений
Дисциплина в 1 «методы анализа и синтеза медицинских изображений» относится к вариативной части профессионального цикла дисциплин....
Программа дисциплины «Методы анализа латентных признаков» iconРабочая программа дисциплины кинетика физико-химических явлений и процессов, методы их изучения
Пререквизиты: «Физика», «Введение в ядерную физику» Математика», «Масс-спектрометрические методы анализа», «Методы разделения стабильных...
Программа дисциплины «Методы анализа латентных признаков» iconПримерная программа дисциплины методы оптимальных решений
Развить системное мышление слушателей путем детального анализа подходов к математическому моделированию и сравнительного анализа...
Программа дисциплины «Методы анализа латентных признаков» iconПрограмма дисциплины «Компьютерные методы анализа социологических данных (введение в математическую статистику и анализ данных)» для направления 040100. 68 «Социология» подготовки магистра
Программа дисциплины «Компьютерные методы анализа социологических данных (введение в математическую статистику и анализ данных)»
Программа дисциплины «Методы анализа латентных признаков» iconПрограмма дисциплины «Организация, подготовка и презентация социологического исследования»
Предполагается также, что слушателями освоены дисциплины «Методы измерения в социологии», «Анализ данных-1» и «Анализа данных-2»,...
Программа дисциплины «Методы анализа латентных признаков» iconПрограмма дисциплины «Организация, подготовка и презентация социологического исследования»
Предполагается также, что слушателями освоены дисциплины «Методы измерения в социологии», «Анализ данных-1» и «Анализа данных-2»,...
Программа дисциплины «Методы анализа латентных признаков» iconПрограмма дисциплины «Организация, подготовка и презентация социологического исследования»
Предполагается также, что слушателями освоены дисциплины «Методы измерения в социологии», «Анализ данных-1» и «Анализа данных-2»,...
Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©rushkolnik.ru 2000-2015
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы