一种用于验证潜类增长模型所识别组数的自助法
统计方法学
2022-05-17 v1
摘要
诸如基于组的轨迹建模等纵向有限混合模型的使用，在过去几十年的医学文献中急剧增加。然而，这些方法尤其因涉及统计决策的数据驱动建模过程而受到批评。本文中，我们提出一种方法，利用自助法从原始数据中有放回地抽取观测值，以验证所识别的组数并量化组数的不确定性。该方法通过检查在自助样本中也找到相同解，来考察原始数据中识别出的组的统计有效性与不确定性。在模拟研究中，我们检验了自助估计的组数变异性是否反映了重复间的变异性。我们还将重复间的变异性与贝叶斯后验概率进行了比较。我们评估了三种常用充分性准则（平均后验概率、正确分类优势比和相对熵）识别组数不确定性的能力。最后，我们使用来自魁北克综合慢性病监测系统的数据，对 2015 至 2018 年间老年糖尿病患者的纵向用药模式进行识别，以说明所提出的方法。
引用
@article{arxiv.2205.07631,
title = {A bootstrap approach for validating the number of groups identified by latent class growth models},
author = {Miceline Mésidor and Caroline Sirois and Marc Simard and Denis Talbot},
journal= {arXiv preprint arXiv:2205.07631},
year = {2022}
}