Zastosowanie modelu latentnych klas w szacowaniu pełnej struktury populacji w warunkach dostępności częściowej informacji

• Autorzy: Roman Konarski

Warianty tytułu

Application of the Latent Class Model to the Estimation of the Full Population Structure Under Conditions of Partial Information

• Języki publikacji: PL

Abstrakty

W tym opracowaniu podchodzimy do problemu oszacowania pełnej struktury populacji z perspektywy problemu brakujących danych. W tym celu stosujemy model latentnych klas w analizie tabel kontyngencji, w którym niektóre komórki tabeli są obserwowalne jedynie dla niektórych podgrup z populacji. W efekcie niektóre zmienne tworzące tabelę kontyngencji są zmiennymi latentnymi (brakującymi) dla niektórych grup obserwacji i są zmiennymi obserwowalnymi dla pozostałych grup. Zaproponowane podejście jest teoretycznie uzasadnione i praktycznie implementowalne. Model latentnych klas może być oszacowany za pomocą estymatora największej wiarygodności, z wykorzystaniem jednego z szeroko dostępnych pakietów statystycznych umożliwiających analizę wielogrupową. (fragment tekstu)

EN

I the practice of social surveys knowledge of the joint distribution of population characteristics allows to construct sampling weights, and subsequent reduction of sample bias through poststratification. Frequently, however, the joint population distribution of the characteristics, whose distribution in the sample we would like to adjust, is not known and must be estimated. The precision of these estimates has an effect on the precision of sampling weights and the success of poststratification. Therefore it is important that the method used to estimate the joint population distribution of these characteristics utilizes to the maximum extent the partial information that is available from census data. Information that is not available (missing) may be estimated and utilized together with the census data to estimate the full joint distribution of the characteristics (population structure), that constitutes the basis of sampling weights. In this paper we approach the problem of estimating the full population structure from the perspective of missing data. In this approach we apply the latent class model to the analysis of contingency tables, in which certain cells of the full table are observable only for certain subgroups from the population. (original abstract)

Słowa kluczowe

PL

Ludność; Przetwarzanie danych

EN

Population; Data processing

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2012
• Numer: nr 103 Demograficzne uwarunkowania rozwoju gospodarczego
• Strony: 91--100

Twórcy

autor

Roman Konarski

Bibliografia

• D.B. Rubin, Inferences with missing data, "Biometrika" 1976, No. 63(3), s. 581-592.
• R.J. Little, D.B. Rubin, Statistical Analysis with Missing Data, Wiley, New York, 1987.
• D.J. Bartholomew, M. Knott, Latent variable models and factor analysis, Arnold, London, 1999
• A.L. McCutcheon, Latent Class Analysis, Sage, Beverly Hills 1987.
• C.C. Clogg, L.A. Goodman, Simultaneous latent structure analysis in several groups, w: Sociological Methodology, ed. N.B. Tuma, Jossay-Bass, San Francisco 1985.
• S.J. Haberman, Analysis of Qualitative Data, Vol. 2. New Developments, Academic Press, New York 1979.
• C. Wiship, R.D. Mare, Latent class models for contingence tables with missing data, w: Applied Latent class Analysis, eds. J.A. Hagenaars, A.L. McCutcheon, Cambridge, UK: Cambridge University Press 2002.
• C. Wiship, R.D. Mare, Loglinear models with missing data: A latent class approach "Sociological Methodology" 1989, No. 19.
• J.K. Vermunt, lEM: A general program for the analysis of categorical data, Tilburg University, 1997.
• A.E. Raftery, Bayesian model selection in social research, "Sociological Methodology" 1995, No. 25.