Nya statistiska metoder för latent variabel modeller

Det övergripande syftet med detta forskningsprojekt är att utveckla nya effektiva statistiska metoder för att bättre bestämma både linjära och icke-linjära relationer och mer exakt förutsäga latenta variabler inom området modeller med latenta variabler (LVM).

Inom samhällsvetenskap och beteendevetenskap innehåller teorier ofta teoretiska/abstrakta begrepp som inte kan mätas direkt. Dessa kallas vanligen latenta variabler. Modeller med latenta variabler (LVM) är en bred familj av modeller som kan användas för att fånga relationer mellan latenta variabler med hjälp av flera indikatorvariabler. Modellerna är mest kända som faktoranalysmodeller och strukturella ekvationsmodeller (SEM). Under de senaste femtio åren har LVM och särskilt SEM blivit vanliga statistiska verktyg för att studera orsakssamband mellan latenta variabler.

Relationer mellan latenta variabler kan vara linjära eller ickelinjära. Indikatorvariabler kan vara kontinuerliga och/eller ordningskategoriska. En modell med samverkanseffekter skattar hur relationen mellan två variabler kan bero på en tredje variabel. Som ett exempel kan nämnas teorin om planerat beteende (Theory of planned behavior) i socialpsykologi. En individs beteende styrs av dess intention, som i sin tur är en funktion av den personliga attityden, det sociala trycket och den upplevda beteendekontrollen (PBC) att kunna genomföra aktuellt beteende. Där antas förhållandet mellan de latenta variablerna intention och aktuellt beteende bero också på den latenta variabeln PBC som kan utövas av en individ.

Även kvadratiska effekter mellan latenta variabler kan förekomma som till exempel, det kvadratiska förhållandet mellan de latenta variablerna konsumentlojalitet och ”Relational Exchanges”. Andra exempel är att en psykolog kan vara intresserad av att kartlägga utveckling av kognitiva förmågor hos skolbarn eller att en sociolog vill spåra individers ”life course”.

Det är viktigt att identifiera både linjära och icke-linjära relationer mellan latenta variabler; olika typer av observerade variabler och andra karaktärer i datamängder för att kunna formulera meningsfulla och korrekta modeller för att beskriva och analysera olika komplexa situationer. För att uppnå målen i ovanstående exempel måste teoretiskt välmotiverade modeller tas fram som sen ska skattas med effektiva metoder, och senare använda säkra prognosmetoder.

Projektperiod

2018-01-01 – 2021-12-31

Finansiering

Projektet finansieras av Vetenskapsrådet (VR)

Projektmedlemmar

Projektmedlemmar vid statistiska institutionen:

Fan Yang-Wallentin, professor och projektledare
Shaobo Jin, docent och biträdande universitetslektor
Johan Vegelius, doktorand

Mer om projektet

Mer information om projektet ” Nya statistiska metoder för latent variabel modeller” på Swecris webb.

Senast uppdaterad: 2021-09-01