Mplusにおける混合モデルのauxiliary設定

Mplusでは、潜在変数を扱った混合モデルの場合、潜在変数を独立変数にする場合でも、従属変数にする場合でも、補助コマンドを設定する必要がある。

共変量とは、潜在変数を従属変数にする場合の独立変数を指し、抹消結果(distal outcomes)は潜在変数を独立変数にする場合の従属変数を指す。

下記のMplusのノートブックの表6と表7のコマンドの一覧の翻訳である。わりと適当に訳しているので、正確に理解する際には、原文を確認されたい。

Tihomir Asparouhov and Bengt Muthen, 2015, Auxiliary Variables in Mixture Modeling: Using the BCH Method in Mplus to Estimate a Distal Outcome Model and an Arbitrary Secondary Model, Mplus Web Notes: No. 21.

DU3STEP

使用法: 抹消結果が連続変数の場合
記述・リファレンス: 分類誤差補正; Vermunt (2010) and Asparouhov-Muthen (2014)
長所と短所: クラスの変化に敏感。Mplusはクラス構成が変更された場合、結果は表示されない。マニュアルバージョンは、共変量の制御を含む、任意の補助(auxiliary)モデルにも使用できる。クラス間で不等抹消分散(unequal distal variances)を推定する。
推奨: 抹消結果が連続変数であることが望ましい。クラス構成の変更がない時に使うが、それ以外の場合はBCHを使用する。

BCH

使用法: 抹消結果が連続変数の場合
記述・リファレンス: 計測誤差の重みづけ, Bakk and Vermunt (2014)
長所と短所: クラスの変更を避ける。 抹消へのクラス変更の分散に伴うDCONの欠点を回避する。マニュアルバージョンは、共変量の制御を含む、任意の補助モデルにも使用できる。低いエントロピーで標準誤差が過小評価される可能性がある。
推奨: 連続変数の抹消結果の際に使用が好まれる。

DCAT

使用法: 抹消結果がカテゴリカル変数の場合
記述・リファレンス: 抹消は共変量として扱われる。Lanza et al. (2013)
長所と短所: クラスの変更を避ける。
推奨: 抹消結果がカテゴリカル変数だった場合に好まれる方法。

R3STEP

使用法: 共変量
記述・リファレンス: 分類誤差の補正。; Vermunt (2010)
長所と短所: うまく機能する。
推奨: 共変量を伴った方法に推奨される。

DE3STEP

使用法: 連続変数のdistal outcomes。クラ間の抹消分散が等価である。
記述・リファレンス: 分類誤差の補正; Vermunt (2010) and Asparouhov-Muthen (2014)
長所と短所: クラスの変更やクラス変化による分散に影響されやすい。 クラス構成が変更された場合、Mplusは結果が報告されない。
推奨: BCHやDU3STEPに劣る。DU3STEPが収束しない場合のみ使用する。

DCON

使用法: 連続変数がdistal outcomesの場合。
記述・リファレンス: 抹消を共変量として扱う。; Lanza et al. (2013) and Asparouhov-Muthen (2014)
長所と短所: クラスの変更を避ける。 エントロピーが低いときに、分類変化に敏感である。
推奨: BCH、U3STEPに劣る。DU3STEPは分類形式を変えることができない。エントロピーが0.6を超えた時のみに使用ができる。 分散が2つ以上のクラスにわたって変化しているときには、この方法は使用はしない。
このチェックによって、最も可能性の高いクラス割り当てを使用して行うことができるが、Mplusによって自動的に行われない。技法の研究にのみ使用する。

E

使用法: 連続変数がdistal outcomesである場合
記述・リファレンス: 疑似クラス(Pseudo-class: PC)法; Wang et al. (2005)
長所と短所: 偏った結果を与える。
推奨: 技法としてはBCHとDU3STEPに代替されている。技法の研究にのみ使用する。

R

使用法: 共変量の場合。
記述・リファレンス: 疑似クラス(Pseudo-class: PC)法; Wang et al. (2005)
長所と短所: 偏った結果を与える。
推奨: 技法としてはR3STEPに代替されている。技法の研究にのみ使用する。

文献