Hispanopedia WikiEn estadística , las variables latentes (del latín : participio presente de lateo ' yace oculto ' ) son variables que solo pueden inferirse indirectamente a través de un modelo matemático a partir de otras variables observables que pueden observarse o medirse directamente . [ 1 ] Estos modelos de variables latentes se utilizan en muchas disciplinas, incluyendo ingeniería , medicina , ecología , física , aprendizaje automático / inteligencia artificial , procesamiento del lenguaje natural , bioinformática , quimiometría , demografía , economía , administración , ciencia política , psicología y ciencias sociales .
Las variables latentes pueden corresponder a aspectos de la realidad física. En principio, podrían medirse, pero quizás no por razones prácticas. Entre las primeras expresiones de esta idea se encuentra la polémica de Francis Bacon , el Novum Organum , que a su vez supone un desafío a la lógica más tradicional expresada en el Organon de Aristóteles .
Pero el proceso latente del que hablamos dista mucho de ser evidente para las mentes humanas, tan abrumadas como están ahora. Pues no nos referimos a las medidas, síntomas o grados de ningún proceso que pueda manifestarse en los propios cuerpos, sino simplemente a un proceso continuo que, en su mayor parte, escapa a la observación de los sentidos.
—Francis Bacon , Novum Organum [ 2 ]
En esta situación, se suele utilizar el término variables ocultas , que refleja que las variables tienen significado, pero no son observables. Otras variables latentes corresponden a conceptos abstractos, como categorías, estados conductuales o mentales, o estructuras de datos. En estos casos, se pueden utilizar los términos variables hipotéticas o constructos hipotéticos .
El uso de variables latentes puede reducir la dimensionalidad de los datos. Muchas variables observables pueden agruparse en un modelo para representar un concepto subyacente, facilitando así la comprensión de los datos. En este sentido, cumplen una función similar a la de las teorías científicas. Al mismo tiempo, las variables latentes vinculan los datos observables " subsimbólicos " del mundo real con los datos simbólicos del mundo modelado.
Ejemplos
Psicología
Las variables latentes, tal como se crean mediante métodos de análisis factorial, generalmente representan la varianza "compartida", o el grado en que las variables "se mueven" juntas. Las variables que no tienen correlación no pueden dar lugar a un constructo latente basado en el modelo de factor común . [ 4 ]
- Los " cinco grandes rasgos de personalidad " se han deducido mediante análisis factorial .
- extraversión [ 5 ]
- habilidad espacial [ 5 ]
- sabiduría: “Dos de los medios más predominantes para evaluar la sabiduría incluyen el desempeño relacionado con la sabiduría y las medidas de variables latentes.” [ 6 ]
- g de Spearman , o el factor de inteligencia general en psicometría [ 7 ]
Ciencias económicas
Ejemplos de variables latentes en el campo de la economía incluyen la calidad de vida , la confianza empresarial, la moral, la felicidad y el conservadurismo: todas ellas variables que no pueden medirse directamente. Sin embargo, al vincular estas variables latentes con otras variables observables, sus valores pueden inferirse a partir de las mediciones de las variables observables. La calidad de vida es una variable latente que no puede medirse directamente, por lo que se utilizan variables observables para inferirla. Entre las variables observables para medir la calidad de vida se incluyen la riqueza, el empleo, el medio ambiente, la salud física y mental, la educación, el ocio y la recreación, y la pertenencia social.
Medicamento
La metodología de variables latentes se utiliza en muchas ramas de la medicina . Un tipo de problemas que se prestan naturalmente a los enfoques de variables latentes son los estudios longitudinales , donde la escala temporal (por ejemplo, la edad del participante o el tiempo transcurrido desde el inicio del estudio) no está sincronizada con el rasgo estudiado. Para estos estudios, una escala temporal no observada, sincronizada con el rasgo estudiado, puede modelarse como una transformación de la escala temporal observada mediante variables latentes. Ejemplos de esto incluyen el modelado de la progresión de enfermedades y el modelado del crecimiento (véase el recuadro).
Inferencia de variables latentes
Existe una variedad de clases de modelos y metodologías diferentes que utilizan variables latentes y permiten realizar inferencias en presencia de dichas variables. Los modelos incluyen:
- modelos lineales de efectos mixtos y modelos no lineales de efectos mixtos
- modelos ocultos de Markov
- Análisis factorial
- teoría de respuesta al ítem
Los métodos de análisis e inferencia incluyen:
- Análisis de componentes principales
- Análisis de componentes principales instrumentado [ 8 ]
- Regresión de mínimos cuadrados parciales
- Análisis semántico latente y análisis semántico latente probabilístico
- algoritmos EM
- Algoritmo de Metrópolis-Hastings
Algoritmos y métodos bayesianos
La estadística bayesiana se utiliza con frecuencia para inferir variables latentes.
- asignación de Dirichlet latente
- El proceso del restaurante chino se utiliza a menudo para proporcionar una distribución previa sobre las asignaciones de objetos a categorías latentes.
- El proceso de buffet indio se utiliza a menudo para proporcionar una distribución previa sobre las asignaciones de características binarias latentes a los objetos.
Véase también
- Confundido
- Variables dependientes e independientes
- modelos de errores en las variables
- Límite inferior de la evidencia
- Análisis factorial
- Variable interviniente
- modelo de variables latentes
- teoría de respuesta al ítem
- Modelado de trayectorias mediante mínimos cuadrados parciales
- Regresión de mínimos cuadrados parciales
- Proxy (estadísticas)
- modelo de Rasch
- Modelado de ecuaciones estructurales
Referencias
- ↑ Dodge, Y. (2003) The Oxford Dictionary of Statistical Terms , OUP. ISBN 0-19-920613-9
- ↑ Bacon, Francis. "AFORISMOS—LIBRO II: SOBRE LA INTERPRETACIÓN DE LA NATURALEZA, O EL REINADO DEL HOMBRE". Novum Organum .
- ↑ Raket LL, Sommer S, Markussen B (2014). "Un modelo no lineal de efectos mixtos para el suavizado y registro simultáneos de datos funcionales". Pattern Recognition Letters . 38 : 1–7 . Bibcode : 2014PaReL..38....1R . doi : 10.1016/j.patrec.2013.10.018 .
- ↑ Tabachnick, BG; Fidell, LS (2001). Uso del análisis multivariante . Boston: Allyn and Bacon. ISBN 978-0-321-05677-1.
- 1 2 Borsboom, D.; Mellenbergh, GJ ; van Heerden, J. (2003). "El estatus teórico de las variables latentes" (PDF) . Psychological Review . 110 (2): 203– 219. CiteSeerX 10.1.1.134.9704 . doi : 10.1037/0033-295X.110.2.203 . PMID 12747522. Archivado del original (PDF) el 20 de enero de 2013. Recuperado el 8 de abril de 2008 .
- ↑ Greene, Jeffrey A.; Brown, Scott C. (2009). "La Escala de Desarrollo de la Sabiduría: Investigaciones adicionales sobre su validez". Revista Internacional de Envejecimiento y Desarrollo Humano . 68 (4): 289–320 (en la pág. 291). doi : 10.2190/AG.68.4.b . PMID 19711618 .
- ↑ Spearman, C. (1904). "«Inteligencia general, determinada y medida objetivamente». The American Journal of Psychology . 15 (2): 201– 292. doi : 10.2307/1412107 . JSTOR 1412107 .
- ↑ Kelly, Bryan T. y Pruitt, Seth y Su, Yinan, Análisis de componentes principales instrumentado (17 de diciembre de 2020). Disponible en SSRN: https://ssrn.com/abstract=2983919 o http://dx.doi.org/10.2139/ssrn.2983919
Lecturas adicionales
- Kmenta, Jan (1986). «Variables latentes» . Elementos de econometría (segunda edición). Nueva York: Macmillan. págs. 581-587 . ISBN 978-0-02-365070-3.
- Investigación social
- redes bayesianas
- Modelización econométrica
- modelos de variables latentes
- Psicometría
