潜在クラスを回帰モデルの予測因子として使用し、文化変容戦略測定に適用する場合、潜在クラスの割り当ての不確実性を説明する方法

潜在的なクラスモデルは、調査アンケートやその他の大規模なカテゴリ変数セットを要約する一般的な手段となっています。多くの場合、これらのクラスは、データの複雑なパターンをよりよく理解するために主な関心事です。ますます、これらの潜在的なクラスは、他の関心のある結果の予測因子に統合され、クラスメンバーシップに不確実性があるにもかかわらず、最も可能性の高いクラスを個人が属する真のクラスとして扱います。この不確実性は、予測因子の測定誤差の形式と見なすことができ、潜在クラスに関連する回帰パラメーターの推定値にバイアスにつながります。この事実にもかかわらず、潜在的なクラスの予測因子を測定誤差モデルとして扱う文献は非常に限られています。ほとんどのアプリケーションはこの問題を無視し、モーダルクラスの予測を真実として扱う2段階モデル​​に適合します。ここでは、2つのアプローチ - 1つの尤度ベース、もう1つのベイジアンを開発し、潜在クラス分析と結果予測のための共同モデルを実装します。これらの方法を、文化変容行動が南アジア移民のうつ病を米国に予測する方法の分析に適用します。シミュレーション調査では、2段階のモデルを安全に実装できる時期とジョイントモデルが必要な場合のガイダンスが提供されます。

Latent class models have become a popular means of summarizing survey questionnaires and other large sets of categorical variables. Often these classes are of primary interest to better understand complex patterns in data. Increasingly, these latent classes are reified into predictors of other outcomes of interests, treating the most likely class as the true class to which an individual belongs even though there is uncertainty in class membership. This uncertainty can be viewed as a form of measurement error in predictors, leading to bias in the estimates of the regression parameters associated with the latent classes. Despite this fact, there is very limited literature treating latent class predictors as measurement error models. Most applications ignore this issue and fit a two-stage model that treats the modal class prediction as truth. Here, we develop two approaches-one likelihood-based, the other Bayesian-to implement a joint model for latent class analysis and outcome prediction. We apply these methods to an analysis of how acculturation behaviors predict depression in South Asian immigrants to the United States. A simulation study gives guidance for when a two-stage model can be safely implemented and when the joint model may be required.