StepMix：用于带外部变量的广义混合模型伪似然估计的 Python 工具包

StepMix 是一个开源 Python 工具包，用于带外部变量（协变量与远端结果）的广义有限混合模型（潜剖面分析与潜类分析）的伪似然估计（一步、两步与三步方法）。在社会科学的许多应用中，主要目标不仅是将个体聚类到潜类中，还要利用这些类构建更复杂的统计模型。这些模型通常分为将潜类与观测指标相关联的测量模型，以及将协变量与结果变量与潜类相关联的结构模型。测量模型与结构模型可使用所谓的一步法联合估计，或使用逐步方法顺序估计，后者在估计潜类的可解释性方面对实践者具有显著优势。除一步法外，StepMix 还实现了文献中最重要的逐步估计方法，包括带有 Bolk-Croon-Hagenaars 与最大似然校正的偏差调整三步法，以及较新的两步法。本文在一个统一框架下将这些伪似然估计量作为特定的期望最大化子程序加以呈现。为促进并推动数据科学界对其的采用，StepMix 遵循 scikit-learn 库的面向对象设计，并提供了一个额外的 R 语言封装接口。