抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
アイテム応答データのための因子コピュラモデルは,依存性が潜在変数を通して説明できるとき,(切断された)ブドウのコピュラモデルより解釈可能であり,適合し,条件付き独立性の違反に対してロバストではない。これらの問題を回避するため,項目応答データに対する打切vineと因子コピュラモデルを結合して,2つのアプローチの各々から個々の利点を持つ,いわゆる因子ツリーコピュラモデル,結合モデルを定義した。解釈と同定における因子の添加と計算問題と困難を引き起こすのではなく,1つまたは2つの潜在変数に条件付きの残差について,打切vine構造を仮定した。この構造はいくつかの解釈可能な潜在変数を与える条件付き依存性としてより良く説明できる。一方では,因子モデルの簡素な特徴は無傷であり,残りの依存性が他に考慮されている。モデル選択と共に推定を論じた。特に,モデル選択アルゴリズムを提案し,項目応答間の(残差)依存性を捉えるために,妥当な因子ツリーコピュラモデルを選択した。一般的な方法論を,広範なシミュレーション研究によって実証し,そして,Post Traumtic応力障害を分析することによって例証した。【JST・京大機械翻訳】