潜类别混合增长模型

来自决策链云智库
Zeroclanzhang讨论 | 贡献2024年1月19日 (五) 19:18的版本
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)
Latent Class Growth Mixture Model.png
节点状态
Windows / Windows 10 Win10及以上可用
V1.0.2部署
潜类别混合增长模型Latent Class Growth Mixture Model.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Latent Class Growth Mixture Model
功能主类别数据分析
英文缩写LCGMM
功能亚类别潜类别模型
节点类型数据挖掘
开发语言R
节点简介

潜类别混合增长模型假设个体是从具有不同发展轨迹的多个潜在类别中抽样的。LCGMM的目标是识别这些不同的潜在类别,并为每个类别建立一个发展轨迹。与LCGM不同,LCGMM可以识别子群体的存在,并且可以比LCGM更好地捕捉个体之间的异质性。

用途:用于研究人群内某一特征或行为随时间变化趋势的分析方法。

参数:连续型数值时间,数值因变量和嵌套主体变量,自变量。

端口数量与逻辑控制(PC)
Input-入口6个
Output-出口2个
Loop-支持循环
If/Switch-支持逻辑判断
输入输出
可生成图片类型(推荐)
相关节点
上一节点潜类别增长模型
下一节点验证性因子分析




查找其他类别的节点,请参考以下列表