廣義潛變量模型：多層次、縱貫性以及結(jié)構(gòu)方程模型

第1部分　方法論
　1　潛變量無所不在
　　1.1　介紹
　　1.2　帶有測量誤差的“真實”變量
　　1.3　假設(shè)構(gòu)念
　　1.4　未觀測到的異質(zhì)性(Unobservedheterogeneity)
　　1.5　缺失值與反事實
　　1.6　潛響應(yīng)
　　1.7　產(chǎn)生靈活分布
　　1.8　組合不同來源的個體單元信息
　　1.9　總結(jié)
　2　對不同響應(yīng)過程建模
　　2.1　介紹
　　2.2　廣義線性模型
　　2.3　廣義線性模型的擴展
　　2.4　潛響應(yīng)方程(Latentresponseformulation)
　　2.5　存續(xù)或生存的建模
　　2.6　總結(jié)與進一步閱讀
　3　經(jīng)典潛變量模型
　　3.1　介紹
　　3.2　多層次回歸模型
　　3.3　因子模型和題器響應(yīng)模型
　　3.4　潛類模型
　　3.5　帶有潛變量的結(jié)構(gòu)方程模型
　　3.6　縱貫性模型
　　3.7　總結(jié)與進一步閱讀
　4　一般模型框架
　　4.1　介紹
　　4.2　響應(yīng)模型
　　4.3　潛變量的結(jié)構(gòu)模型
　　4.4　干擾項分布
　　4.5　參數(shù)約束和基本參數(shù)
　　4.6　潛變量和線性估計量的簡化式
　　4.7　潛變量的矩結(jié)構(gòu)
　　4.8　觀測響應(yīng)和潛響應(yīng)的邊緣矩結(jié)構(gòu)
　　4.9　簡化式分布和似然
　　4.10　簡化式參數(shù)
　　4.11　總結(jié)與進一步閱讀
　5　辨識與等價
　　5.1　介紹
　　5.2　辨識
　　5.3　等價
　　5.4　總結(jié)與進一步閱讀
　6　估計
　　6.1　引言
　　6.2　最大似然：封閉形式的邊緣似然性
　　6.3　最大似然：近似邊緣似然
　　6.4　似然最大化
　　6.5　非參數(shù)最大似然估計
　　6.6　受約束／殘差最大似然(REML)
　　6.7　有限信息方法
　　6.8　最大偽似然估計
　　6.9　廣義估計方程(GEE)
　　6.10　固定效應(yīng)方法
　　6.11　貝葉斯方法
　　6.12　總結(jié)
　7　潛變量賦值
　　7.1　介紹
　　7.2　后驗分布
　　7.3　經(jīng)驗貝葉斯(EB)
　　7.4　經(jīng)驗貝葉斯眾數(shù)(EmpiricalBayesmodal，EBM)
　　7.5　最大似然法
　　7.6　在“線性案例”中幾種記分法的關(guān)系
　　7.7　專門的計分方法
　　7.8　潛變量計分和分類的使用
　　7.9　總結(jié)與進一步閱讀
　8　模型設(shè)定與推論
　　8.1　介紹
　　8.2　統(tǒng)計建模
　　8.3　推論(基于似然)
　　8.4　模型選擇：相對擬合標準
　　8.5　模型充分性：全局絕對擬合標準
　　8.6　模型診斷：局部絕對擬合標準
　　8.7　總結(jié)與進一步閱讀
第2部分　應(yīng)用研究
　9　二項響應(yīng)
　　9.1　介紹
　　9.2　兒童呼吸道感染研究：隨機截距模型
　　9.3　心肌梗塞診斷：潛類模型
　　9.4　數(shù)學(xué)推理：題器響應(yīng)模型
　　9.5　尼古丁咀嚼膠與戒煙：元分析
　　9.6　妻子的就業(yè)轉(zhuǎn)換：馬爾可夫模型及未觀測到的異質(zhì)性
　　9.7　白靴兔計數(shù)：捕獲一再捕獲模型及異質(zhì)性
　　9.8　對墮胎的態(tài)度：多層次題器響應(yīng)模型
　　9.9　總結(jié)與進一步閱讀
　10　定序響應(yīng)
　　10.1　介紹
　　l0.2　性教育群組隨機試驗：潛增長曲線模型
　　l0.3　政治效能：因子維度及題器偏誤
　　l0.4　生活滿意度：定序有衡正態(tài)概率因子模型(Ordinalscaledprobitfactormodel)
　　10.5　總結(jié)與進一步閱讀
　1　事件數(shù)
　　11.1　介紹
　　11.2　兒童牙病防治：過度離散模型
　　11.3　癲癇癥治療：隨機系數(shù)模型
　　11.4　蘇格蘭唇癌：疾病制圖
　　11.5　總結(jié)與進一步閱讀
　1　存續(xù)與生存響應(yīng)
　　12.1　介紹
　　12.2　多重事件群集存續(xù)數(shù)據(jù)的建模
　　12.3　吸煙的肇端：離散時間脆弱模型
　　12.4　鍛煉和心絞痛：成比例風(fēng)險隨機效應(yīng)和因子模型
術(shù)語對照表
人名對照表
參考文獻