Zastosowanie drzew klasyfikacyjnych w analizie klas ukrytych

• Autorzy: Iwona Kasprzyk

Warianty tytułu

An Application of the Classification Tree in the Latent Class Analysis

• Języki publikacji: PL

Abstrakty

Celem artykułu będzie zaprezentowanie, w jakim sposób drzewa klasyfikacyjne mogą usprawnić analizę klas ukrytych oraz jak tego typu drzewa można wykorzystywać do ograniczenia liczby zmiennych wprowadzonych do analizy klas ukrytych. W końcowym etapie artykułu zostanie również pokazana graficzna prezentacja danych za pomocą tzw. wykresu współrzędnych barycentrycznych, który to pozwoli na przedstawienie zależności między kategoriami zmiennych zawartych w tablicy kontyngencji. (fragment tekstu)

EN

The latent class analysis is one of multivariate analysis techniques of the contingency table which is based on discrete data. This method was introduction by Lazarsfeld [1968]. The classification and regression tree is a nonparametric technique which was proposed by Breiman et al. [1984], The main aim of this article is to show how we can use the classification tree to reduce the number of variables which can be put into the latent class analysis. Additionally the article shows the barycentric coordinates graph which permits to describe the relations among categories of variables. (original abstract)

Słowa kluczowe

PL

Drzewa klasyfikacyjne; Analiza klas ukrytych; Analiza statystyczna

EN

Classification trees; Latent class analysis; Statistical analysis

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2008
• Tom: 15
• Numer: nr 7 (1207) Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 276-285

Twórcy

autor

Iwona Kasprzyk

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Akaike H. (1974), A New Look at the Statistical Model Identification, „IEEE Transactions on Automatic Control" 19 (6), s. 716-723.
• Blake C., Keogh E., Merz C.J. (1998). UCI Repository of Machine Learning Databases, Department of Information and Computer Science, University of California, Irvine, www.ics.uci.edu /-ml earn/M LRepository. html.
• Breiman L., Friedman J.H., Olshen R.A., Stone C.J. (1984), Classification and Regression Tree, Wadsworth, Belmont, CA.
• Bozdogan H. (1987), Model Selection and Akaike's Information Criterion (AIC): The General Theory and its Analytical Extensions, „Psychometrica" 52, s. 345-370.
• Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, PWN, Warszawa.
• Haberman S.J. (1979), Analysis of Qualitative Data, vol. 2, New Developments, Academic Press, New York.
• Heijden P.G.M. van der, Gilula Z., van der, Ark L. A. (1999), An Extended Study into the Relationship between Correspondence Analysis and Latent Class Analysis, „Sociological Methodology" nr 29, s. 147-186.
• Lazarsfeld P.F., Henry N.W. (1968), Latent Structure Analysis, Houghton Mill, Boston.
• Sclove L.S. (1987), Application of Model-selection Criteria to Some Problems in Multivariate Analysis, „Psychometria" nr 52, s. 333-343
• Vermunt J.K. (1997), Log-linear Models for Event Histories, Sage, Thousand Oaks.