第1部分 方法論
1 潛變量無所不在
1.1 介紹
1.2 帶有測量誤差的“真實”變量
1.3 假設構念
1.4 未觀測到的異質性(Unobservedheterogeneity)
1.5 缺失值與反事實
1.6 潛響應
1.7 產生靈活分布
1.8 組合不同來源的個體單元信息
1.9 總結
2 對不同響應過程建模
2.1 介紹
2.2 廣義線性模型
2.3 廣義線性模型的擴展
2.4 潛響應方程(Latentresponseformulation)
2.5 存續(xù)或生存的建模
2.6 總結與進一步閱讀
3 經典潛變量模型
3.1 介紹
3.2 多層次回歸模型
3.3 因子模型和題器響應模型
3.4 潛類模型
3.5 帶有潛變量的結構方程模型
3.6 縱貫性模型
3.7 總結與進一步閱讀
4 一般模型框架
4.1 介紹
4.2 響應模型
4.3 潛變量的結構模型
4.4 干擾項分布
4.5 參數約束和基本參數
4.6 潛變量和線性估計量的簡化式
4.7 潛變量的矩結構
4.8 觀測響應和潛響應的邊緣矩結構
4.9 簡化式分布和似然
4.10 簡化式參數
4.11 總結與進一步閱讀
5 辨識與等價
5.1 介紹
5.2 辨識
5.3 等價
5.4 總結與進一步閱讀
6 估計
6.1 引言
6.2 最大似然:封閉形式的邊緣似然性
6.3 最大似然:近似邊緣似然
6.4 似然最大化
6.5 非參數最大似然估計
6.6 受約束/殘差最大似然(REML)
6.7 有限信息方法
6.8 最大偽似然估計
6.9 廣義估計方程(GEE)
6.10 固定效應方法
6.11 貝葉斯方法
6.12 總結
7 潛變量賦值
7.1 介紹
7.2 后驗分布
7.3 經驗貝葉斯(EB)
7.4 經驗貝葉斯眾數(EmpiricalBayesmodal,EBM)
7.5 最大似然法
7.6 在“線性案例”中幾種記分法的關系
7.7 專門的計分方法
7.8 潛變量計分和分類的使用
7.9 總結與進一步閱讀
8 模型設定與推論
8.1 介紹
8.2 統計建模
8.3 推論(基于似然)
8.4 模型選擇:相對擬合標準
8.5 模型充分性:全局絕對擬合標準
8.6 模型診斷:局部絕對擬合標準
8.7 總結與進一步閱讀
第2部分 應用研究
9 二項響應
9.1 介紹
9.2 兒童呼吸道感染研究:隨機截距模型
9.3 心肌梗塞診斷:潛類模型
9.4 數學推理:題器響應模型
9.5 尼古丁咀嚼膠與戒煙:元分析
9.6 妻子的就業(yè)轉換:馬爾可夫模型及未觀測到的異質性
9.7 白靴兔計數:捕獲一再捕獲模型及異質性
9.8 對墮胎的態(tài)度:多層次題器響應模型
9.9 總結與進一步閱讀
10 定序響應
10.1 介紹
l0.2 性教育群組隨機試驗:潛增長曲線模型
l0.3 政治效能:因子維度及題器偏誤
l0.4 生活滿意度:定序有衡正態(tài)概率因子模型(Ordinalscaledprobitfactormodel)
10.5 總結與進一步閱讀
1 事件數
11.1 介紹
11.2 兒童牙病防治:過度離散模型
11.3 癲癇癥治療:隨機系數模型
11.4 蘇格蘭唇癌:疾病制圖
11.5 總結與進一步閱讀
1 存續(xù)與生存響應
12.1 介紹
12.2 多重事件群集存續(xù)數據的建模
12.3 吸煙的肇端:離散時間脆弱模型
12.4 鍛煉和心絞痛:成比例風險隨機效應和因子模型
術語對照表
人名對照表
參考文獻