潜在クラス分析のDistal Outcomesの補助設定ごとの結果の比較[Mplus]

Distal Outcomesが連続変数の場合、DU3STEP法、DE3STEP法、BCH法、DCON法、PC法などがある。詳しくはここなどを参照してもらいたいが、BCH法をとることが現在のところ推奨されている。

そんなわけで、それぞれの方法での推定結果の違いをみてみたい。ちなみにデータは適当につくった仮想データである。

コード

BCH法のコードを示す。DU3STEPであればBCHのところをDU3STEPに変えるだけである。

Title: BCH
Data: file = a1.dat;
Variable: Names = U1-U8 Y;
Categorical = U1-U8;
Classes = C(4);
Auxiliary = Y(BCH);
Analysis:  Type = Mixture;

クラス構成割合

クラス構成割合はなかった。

推定結果

	BCH		DU3STEP		DE3STEP		DCON		PC(E)
	Mean	S.E.	Mean	S.E.	Mean	S.E.	Mean	a.S.E.	Mean	S.E.
Class 1	47.306	0.732	47.300	0.730	47.300	0.730	47.589	0.579	47.704	0.608
Class 2	50.883	2.811	50.920	2.727	50.920	2.727	49.082	1.419	48.171	1.856
Class 3	48.090	3.820	48.104	3.856	48.104	3.856	47.978	2.405	47.735	2.873
Class 4	40.813	8.660	40.780	7.487	40.780	7.487	40.668	4.361	43.876	5.523

感想

実データで、もう少し複雑なモデルでテストしてみないと価値のある結果は出ない、ということである。
また、やってみようと思う。

仮想データ

Rで作成した。

サンプルデータの作成

set.seed(1234)
U1 <- sample(0:1, 1000, replace=T,prob=c(0.4,0.6))
U2 <- sample(0:1, 1000, replace=T,prob=c(0.2,0.8))
U3 <- sample(0:1, 1000, replace=T,prob=c(0.5,0.5))
U4 <- sample(0:1, 1000, replace=T,prob=c(0.6,0.4))
U5 <- sample(0:1, 1000, replace=T,prob=c(0.3,0.7))
U6 <- sample(0:1, 1000, replace=T,prob=c(0.9,0.1))
U7 <- sample(0:1, 1000, replace=T,prob=c(0.5,0.5))
U8 <- sample(0:1, 1000, replace=T,prob=c(0.6,0.4))
Y <- sample(20:75, 1000, replace=T)
d0<- cbind(U1,U2,U3,U4,U5,U6,U7,U8,x)
df <- as.data.frame(d0)

Mplusへの書き出し1

library(MplusAutomation)
variable.names(df) # 変数名を書き出し

Mplusへの書き出し2

prepareMplusData(df, filename="a1.dat", 
                keepCols=c("U1","U2","U3", "U4", "U5", "U6", "U7", "U8","x"),
                overwrite=T)