Надежный анализ скрытых профилей
Надежный анализ скрытых профилей (Robust Latent Profile Analysis, Robust LPA) выявляет скрытые подгруппы индивидов на основе их непрерывных многомерных показателей, защищая при этом оценки параметров от искажений, вызванных выбросами или атипичными наблюдениями. Он расширяет стандартный анализ скрытых профилей, заменяя гауссовы плотности компонент на альтернативы с более «тяжелыми хвостами» или на «загрязненные» нормальные распределения, которые уменьшают влияние экстремальных случаев во время оценивания.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Vermunt, J. K. & Magidson, J. (2002). Latent class cluster analysis. In J. A. Hagenaars & A. L. McCutcheon (Eds.), Applied Latent Class Analysis (pp. 89–106). Cambridge University Press. ISBN: 978-0521594035
- Punzo, A. & McNicholas, P. D. (2016). Robust clustering in regression analysis via the contaminated Gaussian cluster-weighted model. Journal of Classification, 33(2), 293–331. DOI: 10.1007/s00357-017-9234-x ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Latent Profile Analysis. ScholarGate. https://scholargate.app/ru/statistics/robust-latent-profile-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Латентно-классовый анализ (LCA)Статистика↔ compare
- Латентно-профильный анализ (LPA)Психометрия↔ compare
- Моделирование смесейСтатистика↔ compare
- Робастный латентно-кластерный анализСтатистика↔ compare
- Робастное моделирование смесейСтатистика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →