"মিশ্র প্রভাবসমূহের মডেলিং" এবং "ল্যাটেন্ট গ্রোথ মডেলিং" এর মধ্যে পার্থক্য কী?


15

আমি মিশ্র প্রভাবগুলির মডেল (এমইএম) এর সাথে শালীনভাবে পরিচিত, তবে একজন সহকর্মী সম্প্রতি আমাকে জিজ্ঞাসা করেছেন এটি কীভাবে সুপ্ত বৃদ্ধির মডেলগুলির (এলজিএম) সাথে তুলনা করে LG আমি কিছুটা গুগল করেছিলাম, এবং দেখে মনে হয় যে এলজিএম স্ট্রাকচারাল সমীকরণ মডেলিংয়ের একটি বৈকল্পিক যা পরিস্থিতিগুলিতে প্রয়োগ হয় যেখানে কমপক্ষে একটি এলোমেলো প্রভাবের প্রতিটি স্তরের মধ্যে বারবার ব্যবস্থা নেওয়া হয়, ফলে সময়টিকে মডেলটিতে একটি নির্দিষ্ট প্রভাব তৈরি করে। অন্যথায়, এমইএম এবং এলজিএম দেখতে বেশ একই রকম মনে হয় (উদাঃ তারা উভয়ই বিভিন্ন সমবায় কাঠামো অনুসন্ধানের অনুমতি দেয়)।

আমি কি সংশোধন করি যে এলজিএম ধারণাগতভাবেই মেমের একটি বিশেষ ক্ষেত্রে, বা বিভিন্ন ধরণের তত্ত্বের মূল্যায়ন করার অনুমান বা ক্ষমতা সম্পর্কে তাদের দুটি পদ্ধতির মধ্যে পার্থক্য রয়েছে?


2
শর্তাবলী এলোমেলো প্রভাব, স্থির প্রভাব, সুপ্ত বৃদ্ধির অর্থ বিভিন্ন প্রসঙ্গে বিভিন্ন জিনিস হতে পারে। দ্বিতীয়টি সম্পর্কিত অ্যান্ড্রু গেলম্যানের একটি ব্লগ পোস্ট ছিল যার বেশ কয়েকটি সংজ্ঞা রয়েছে। সুতরাং আপনি যদি এই মডেলগুলির সংজ্ঞাগুলির লিঙ্কগুলি সরবরাহ করেন তবে দুর্দান্ত হবে। সাধারণভাবে আমি মনে করি আপনি সঠিকভাবে অনুমান করছেন। সময়ের ট্রেন্ডগুলি সাধারণত পৃথকভাবে চিকিত্সা করা হয়, যেহেতু সাধারণ অনুমান যে রেজিস্ট্রারদের বৈকল্পিকতা আবদ্ধ হয় তাই এটি আপনাকে প্রদর্শন করতে হবে যে সময়ের প্রবণতার জন্য এটি আসলে মডেল অনুমান এবং ব্যাখ্যার ক্ষেত্রে কোনও পরিবর্তন করে না।
এমপিটকাস

উত্তর:


12

এলজিএম কোনও এমইএম এবং এর বিপরীতে অনুবাদ করা যেতে পারে, সুতরাং এই মডেলগুলি আসলে একই রকম। আমি আমার মাল্টিলেভেল বইয়ের এলজিএমের অধ্যায়ে তুলনাটি আলোচনা করেছি, সেই অধ্যায়ের খসড়াটি আমার হোমপেজে http://www.joophox.net/papers/chap14.pdf এ রয়েছে


আপনার জবাবের জন্য আপনাকে ধন্যবাদ এবং আমাদের সাইটে আপনাকে স্বাগতম! (কারণ আমি তোমার উত্তরে ক্লোজিং মন্তব্য মুছে জন্য দয়া করে আমাদের দেখার প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী ।)
whuber

10

এই বিষয়টি দেখার সময় আমি যা পেয়েছি তা এখানে। আমি কোনও পরিসংখ্যানের ব্যক্তি নই তাই তুলনামূলক মৌলিক ধারণাটি ব্যবহার করে কীভাবে বুঝলাম তা সংক্ষেপে জানার চেষ্টা করেছি :-)

এই দুটি ফ্রেমওয়ার্ক "সময়" কে আলাদাভাবে আচরণ করে:

  • মেমের জন্য নেস্টেড ডেটা স্ট্রাকচার প্রয়োজন (উদাহরণস্বরূপ শিক্ষার্থীরা ক্লাসরুমে বাসা বাঁধে) এবং সময়কে সর্বনিম্ন স্তরে স্বতন্ত্র ভেরিয়েবল হিসাবে বিবেচনা করা হয় এবং দ্বিতীয় স্তরের ব্যক্তিকে
  • LGM একটি সুপ্ত পরিবর্তনশীল পদ্ধতির গ্রহণ করে এবং ফ্যাক্টর লোডিংয়ের মাধ্যমে সময়কে অন্তর্ভুক্ত করে ( এই উত্তরটি কীভাবে এ জাতীয় ফ্যাক্টর লোডিং, বা "টাইম স্কোর", কাজ সম্পর্কে আরও বিস্তারিতভাবে বর্ণনা করে)।

এই তফাতটি নির্দিষ্ট ডেটা পরিচালনা করতে উভয় ফ্রেমওয়ার্কের বিভিন্ন শক্তির দিকে নিয়ে যায়। উদাহরণস্বরূপ, এমইএম কাঠামোর ক্ষেত্রে আরও স্তর যুক্ত করা সহজ (উদাহরণস্বরূপ শিক্ষার্থীরা স্কুলগুলিতে বাসা বাঁধে), যদিও এলজিএম-এ, পরিমাপের ত্রুটির মডেল করা সম্ভব এবং পাশাপাশি এটি বেশ কয়েকটিকে একত্রিত করে বৃহত্তর পথের মডেলটিতে এম্বেড করা সম্ভব বৃদ্ধি কার্ভ বা ফলাফলের পরিবর্তনশীলগুলির জন্য ভবিষ্যদ্বাণীকারী হিসাবে বৃদ্ধির কারণগুলি ব্যবহার করে।

তবে সাম্প্রতিক ঘটনাবলি এই কাঠামোর মধ্যে অস্পষ্টতা ফেলেছে এবং কিছু গবেষক এটিকে "অসম যমজ" হিসাবে অভিহিত করেছেন। মূলত, এমইএম হ'ল একটি অবিচ্ছিন্ন পদ্ধতির সাথে সময় পয়েন্টগুলি একই ভেরিয়েবলের পর্যবেক্ষণ হিসাবে বিবেচনা করা হয়, যেখানে এলজিএম একটি মাল্টিভারিয়েট পদ্ধতির সাথে প্রতিটি সময়কে পৃথক ভেরিয়েবল হিসাবে বিবেচনা করে। LGM এ সুপ্ত পরিবর্তনশীলগুলির গড় এবং সমবায় কাঠামোটি এমইএম-র স্থির এবং এলোমেলো প্রভাবগুলির সাথে সামঞ্জস্য করে, অভিন্ন ফলাফলের সাথে ফ্রেমওয়ার্ক ব্যবহার করে একই মডেলটি নির্দিষ্ট করা সম্ভব করে তোলে।

সুতরাং LGM কে এমইএম-এর একটি বিশেষ কেস হিসাবে বিবেচনা করার পরিবর্তে আমি এটিকে ফ্যাক্টর লোডিংয়ের সাথে ফ্যাক্টর এনালাইসেশন মডেলের একটি বিশেষ কেস হিসাবে দেখছি যাতে সুপ্ত (বৃদ্ধি) কারণগুলির ব্যাখ্যা সম্ভব হয়।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.