Bayesian Latent Class Analysis

L'analyse classique des classes latentes trouve des sous-groupes cachés dans des données de réponses catégorielles, mais elle n'offre aucun mécanisme naturel pour exprimer l'incertitude quant au nombre de classes ou aux estimations des paramètres. L'ACL bayésienne résout ce problème en traitant les probabilités de classe et les probabilités de réponse aux items comme des quantités aléatoires régies par des croyances a priori. Après avoir observé les données, on obtient une distribution a posteriori complète sur les classes et les paramètres, fournissant des intervalles de crédibilité sur chaque estimation et permettant une comparaison probabiliste directe des modèles avec différents nombres de classes — le tout sans recourir à des approximations asymptotiques qui échouent souvent dans des échantillons petits ou épars.