[论文解读] multilevLCA: An R Package for Single-Level and Multilevel Latent Class Analysis with Covariates

Johan Lyrvall, Roberto Di Mari+3 more|arXiv (Cornell University)|May 12, 2023

Advanced Statistical Methods and Models被引用 5

一句话总结

本论文介绍了 multilevLCA，一个 R 包，支持带有协变量的单层次和多层次潜在类别分析的同步估计与两步估计，涵盖固定效应和随机效应模型。该包提供半自动模型选择、类别成员预测及可视化工具，填补了基于 R 的潜在类别分析软件在多层次建模方面的关键空白，将先进的多层次建模与用户友好的高效分类数据估计相结合，适用于社会科学研究。

ABSTRACT

This contribution presents a guide to the R package multilevLCA, which offers a complete and innovative set of technical tools for the latent class analysis of single-level and multilevel categorical data. We describe the available model specifications, mainly falling within the fixed-effect or random-effect approaches. Maximum likelihood estimation of the model parameters, enhanced by a refined initialization strategy, is implemented either simultaneously, i.e., in one-step, or by means of the more advantageous two-step estimator. The package features i) semi-automatic model selection when a priori information on the number of classes is lacking, ii) predictors of class membership, and iii) output visualization tools for any of the available model specifications. All functionalities are illustrated by means of a real application on citizenship norms data, which are available in the package.

研究动机与目标

• 为解决现有综合性、用户友好的 R 包在带有协变量的多层次潜在类别分析方面缺失的问题。
• 实现同步与两步估计策略，以提升算法稳定性和收敛速度。
• 在潜在类别数量事先未知的情况下，提供半自动模型选择。
• 支持类别成员预测及类别间响应概率的可视化。
• 支持固定效应与随机效应方法，适用于多层次数据结构，尤其适用于调查与跨国研究。

提出的方法

• 采用最大似然估计，并结合优化的初始化策略，以提升潜在类别模型的收敛性。
• 实现两步估计器，将测量模型估计与结构模型估计分离，从而增强稳定性和速度。
• 支持固定效应与随机效应多层次建模，后者允许对组级别随机效应进行灵活的非参数建模。
• 通过 BIC、AIC 和 ICL 准则实现半自动模型选择，覆盖多种类别与组级别配置。
• 提供类别特征可视化工具，支持自定义标签，以提升响应概率展示的可解释性。
• 支持在个体与组级别均引入协变量，以建模类别成员的预测因子。

实验结果

研究问题

• RQ1 在 R 中如何高效估计带有协变量的多层次潜在类别模型，特别是在类别数量未知的情况下？
• RQ2 在多层次 LCA 中，同步估计与两步估计相比有何相对优势，尤其是在偏差、效率与收敛性方面？
• RQ3 当缺乏关于潜在类别数量的先验知识时，如何实现模型选择的自动化？
• RQ4 在带有协变量的多层次 LCA 中，类别成员的预测与可视化程度如何？
• RQ5 multilevLCA 与现有 R 包相比，在支持复杂多层次 LCA 与协变量方面表现如何？

主要发现

• multilevLCA 中的两步估计器相较于一步最大似然估计，提供近似无偏估计，且效率损失极小，同时展现出更优的算法稳定性和更快的收敛速度。
• 在公民规范数据中，最优模型被选为 3 个低层级类别与 2 个高层级类别（iT=3, iM=2），BIC 为 881,252.15，ICL-BIC 为 936,851.08。
• 所选模型识别出三种不同的青少年公民身份特征：第一位个体的‘最大化’（25% 概率）、‘积极参与’（75% 概率）和‘从属’（0% 概率）。
• 该包成功可视化了各类别间的响应概率，通过自定义标签如‘最大化’、‘积极参与’和‘从属’显著提升了结果的可解释性。
• 与现有 R 包如 poLCA、glca 和 stepmixr 相比，multilevLCA 通过在单一集成框架中支持多层次模型与协变量、两种估计方法及模型选择，表现更优。
• 该包可通过少量代码修改实现偏差校正的三步估计，扩展了其在高级方法应用（如差异项目功能分析与直接效应分析）中的实用性。