潜类别尺度分析

本书系格致方法定量研究系列之一种，对于社会科学中的测量中的潜结构进行建模分析时，若测量的层次是定序的，则需要使用到潜类别尺度分析，戴顿博士在此书中使用了大量经过精挑细选的经验性例子，如学术舞弊的调查、肺部疾病的医疗诊断、对军队的态度等，并提供网站以便追踪有关方法的新发展。本书完整地阐述了很多可用的模型，对于那些在心理学，社会学和教育学方向需要做细致尺度分析的研究者有很强的实用价值。 

本书系格致定量研究丛书之一。本书通过内容详实且精挑细选的实际例证来教授潜类别尺度这一研究方法，深入浅出地讲解了针对二分类变量的潜类别尺度模型。这些实例涉及对学术舞弊的调查、儿童对于空间任务的掌握、对肺部疾病的医疗诊断、对军队的态度，以及角色冲突中的行为。除此之外，作者还仔细回顾了用于潜类别分析的计算机程序，并提供了一个网站以便跟踪有关方法的新发展。本书对于那些在心理学、社会学和教育学方向需要做细致尺度分析的研究者来说意义非凡。

C.Mitchell
Dayton是马里兰大学测量与统计系的教授，他同时也在调查方法论的联合项目中任职。他对潜类别模型研究的贡献包括提出基本尺度的误差模型以及发展伴随变量模型。他的研究成果发表在一系列著名的理论型期刊上，如Journal
of the American Statistical Association, Psychometrika, 和British
journal of Mathematical and Statistical Psychology,以及一系列应用型期刊上，如Archives
of Pediatric and Adolescent Medicine, Developmental and Behavioral
Pediatrics,和Research in Higher Education。

序

第1章 引言和概述

第2章 潜类别模型

第1节 一般模型

第2节 估计参数

第3节 评估模型对数据的拟合

第4节 关于表示法

第3章 类型模型

第1节 饱和模型

第2节 舞弊数据的例子

第3节 估计测量拟合的π*方法

第4节 估计标准误

第5节 受访者分类

第6节 验证

第7节 混合二项式模型

第4章 线性尺度

第1节 概述

第2节 包含回答误差的模型

第3节 临床量表的例子

第4节 扩展模型

第5节 Lazarsfeld-Stouffer数据的例子

第6节 潜距离模型

第7节 潜马尔科夫模型

第8节 其他尺度模型

第9节 重复模式

第5章 联合尺度

第1节 概述

第2节 双形和多形尺度

第3节 IEA巴士数据

第6章 多组分析

第1节 多组类型模型

第2节 对舞弊数据的多组分析

第3节 对单个参数的显著性检验

第4节 部分同质性

第5节 多组尺度模型

第6节 补充

第7章 伴随变量模型

第1节 伴随变量潜类别模型

第2节 参数估计

第3节 舞弊数据的例子

第4节 混合二项式伴随变量潜类别模型

注释

参考文献

译名对照表

社会科学中的测量是可以被观察到的，而被测量的概念却不是。比方说，为了测量“政治野心”,一个政治学家可能会在问卷中设计多个相关题目并组织向一群政党活动家和准候选人们发放问卷。这些题目上的得分在某种程度上可以昭显野心这一变量，它虽然不能被直接观察到，但却是潜在的。如何来对这一潜结构进行建模呢？这取决于很多事情，其中一个便是显变量和潜变量的测量层次。如果两个都是连续变量，那么一些因子分析的方法可能是适宜的(在这一系列丛书中，请参考Kim和Mueller的《因子分析概论》和《因子分析》；Long的《验证性因子分析》；Dunteman的《主成分分析》)。然而，假设两个变量都是分类变量，那么一种“针对定类数据的因子分析”的潜类别分析则更受青睐(在这一系列丛书中，请参考McCutcheon的《潜类别分析》）。如果测量的层次是定序的呢？正如在我们的例子中，假设“政治野心”是一个被排序为“低，中，高”的尺度。如果变量是如此排序的话，那么我们就应该使用戴顿(Dayton)博士在这里将要详细阐释的潜类别尺度模型。
研究这类尺度的一个经典例子就是古特曼尺度（Guttmanscale)，其中的变量得分是依据某一次序排列的。例如，在政治野心调查中，也许有三个二分类变量，X，Y和Z。对于变量X，受访者被问到“你愿意在当地的俱乐部讲话吗？”；对于变量Y，受访者被问到“你愿意走上街头发表演说吗？”；对于变量Z，受访者被问到“你愿意到华盛顿演讲吗？”。这些变量是按照政治承诺的难易程度排序的。所以想必对Y回答说“是”的受访者应该对X也会回答“是”，而对Z回答“是”的受访者应该也会对X和Y回答“是”。总之，理论上的回答向量为{000}、{100}、{110}和{111}，其中1=是，0=否。显然，不可能所有的受访者都会给出一个“理论上正确”的回答。例如，有人可能对Y回答“是”而对X和Z回答“否”，即{010}。戴顿博士将这一错误的回答假设为一个误差，这一做法的优势是允许概率处理。
戴顿博士所关注的潜类别尺度模型适用于上述这类二分变量。他用大量经过精挑细选的经验性例子来教授这一技术。实例涉及有关对学术舞弊的调查、儿童对于空间任务的掌握、对肺部疾病的医疗诊断、对军队的态度，以及角色冲突中的行为。除此之外，他还仔细回顾了用于潜类别分析的计算机程序，并提供了一个网站以跟踪有关方法的发展。这一专著完整地阐述了很多可用的模型，对于那些在心理学、社会学和教育学方向需要做细致尺度分析的研究者来说意义非凡。
——迈克•S.刘易斯-贝克