《Psychometrika》：Sparse Latent Class Analysis for Dichotomous Responses: Post-Estimation Refinement via Item-Level Pseudo-Likelihood
编辑推荐：
潜在类别分析（latent class analysis, LCA）广泛用于社会和行为科学中识别未观测亚组。LCA的一个长期挑战在于潜在类别的可解释性，因为估计所得的项目-响应概率矩阵复杂度过高。为解决这一问题，研究人员提出了一种计算高效的估计后精化（post
潜在类别分析（latent class analysis, LCA）广泛用于社会和行为科学中识别未观测亚组。LCA的一个长期挑战在于潜在类别的可解释性，因为估计所得的项目-响应概率矩阵复杂度过高。为解决这一问题，研究人员提出了一种计算高效的估计后精化（post-estimation refinement）程序，通过稀疏模型估计增强模型的可解释性。该方法首先估计经典无限制潜在类别模型，并利用贝叶斯信息准则（Bayesian information criterion, BIC）确定类别数；随后进入精化步骤，基于初始估计对项目特定的响应概率进行模型选择。该精化过程对每个项目中不同响应概率水平的数量施加惩罚，将冗余水平合并，从而得到比经典LCA明显更易于解释的稀疏矩阵。研究人员提供了渐近理论，表明所提程序能一致地恢复每个项目的项目-响应概率稀疏模式，并通过大量模拟进一步验证了其性能。将所提方法应用于社会角色表现的调查数据，进一步展示了其实用价值，为所得潜在类别提供了简约而清晰的刻画。
研究背景与问题
潜在类别分析（latent class analysis, LCA）被广泛用于社会与行为科学中识别未观测亚组。经典LCA通过估计项目-响应概率矩阵（item-response probability matrix, B）来刻画每个潜在类别的特征，但当项目数J或类别数K较大时，B中参数过多，类别解释变得困难，容易产生难以区分的“噪声”类别。已有正则化估计方法可诱导B的稀疏结构以改善可解释性，但需要极大化含非凸非光滑惩罚项的正则化对数似然，且期望最大化（expectation-maximization, EM）算法每一步都要处理多个非光滑优化问题，计算负担过重，限制了实际应用。针对这一矛盾，研究人员提出了一种估计后精化程序：先估计经典无限制LCA模型，并用贝叶斯信息准则（Bayesian information criterion, BIC）确定类别数；随后利用初始估计的后验概率构造项目特定伪似然（item-specific pseudo-likelihood），通过逐步搜索和扩展BIC（extended BIC, EBIC）选择每个项目不同的响应概率水平数；最后在所选等式约束下重新估计稀疏LCA模型。理论证明该方法能一致恢复每个项目的真实稀疏水平数及类别间相等/不相等模式，从而在避免正则化估计计算瓶颈的同时提升潜在类别的可解释性。
主要技术方法
研究人员采用以下关键技术方法：经典LCA极大似然估计与BIC选类；基于初始估计的后验概率构造加权伯努利（Bernoulli）项目特定伪似然；使用逐步合并相邻水平子集的搜索算法生成1至K水平候选约束模型；使用EBIC进行稀疏水平选择；在项目水平等式约束下重新进行边际极大似然估计。模拟采用两个固定真实参数设定、样本量500–2000、每种条件100次重复；实证数据来自PROMIS Wave 1校准研究中的社会角色表现（Social Role Performance, SRPPER）条目库，样本量为N=737、项目数为J=56。
研究结果
3 模拟研究
3.1 模拟设置
设定I为K=4、J=32，全部项目具有两个真实响应概率水平；设定II为K=8、J=64，包含48个两水平项目和16个三水平项目。样本量取500、750、1000、1500、2000，每个条件下运行100次独立重复。
3.2 评估标准
评估指标包括项目水平数的欠选择与过选择数量、项目稀疏水平模式恢复的平均调整兰德指数（adjusted Rand index, ARI），以及按类别标签对齐后计算的项目-响应概率矩阵B和类别比例ν的均方误差（mean squared error, MSE）。
3.3 模拟结果
EBIC中的调参常数ρ控制欠选择与过选择之间的权衡；研究人员选择ρ=20作为折中方案。在ρ=20下，正确选择项目水平数的比例随样本量增大而趋近1；平均项目水平ARI在设定II的N=500时约为0.95，N≥750后超过0.98，说明稀疏模式恢复快速收敛。精化后B的MSE一致低于无限制第一阶段估计，而ν的MSE基本保持不变，表明精化主要提高了项目-响应概率的估计精度。
4 实证应用：社会角色表现数据
4.1 数据
实证分析使用PROMIS Wave 1校准研究的SRPPER条目库。分析纳入所有SRPPER条目均完整应答的737名受访者和56个条目。原始五级有序评分被二分化，原始评分4或5记为1，否则记为0，因此估计的项目-响应概率表示选择较严重选项的概率。
4.2 分析流程
研究人员先拟合1至8个潜在类别的无限制模型，BIC选择K=8；随后以ρ=20应用项目水平精化程序；最后在所选等式约束下重新估计稀疏LCA模型。
4.3 结果
精化显著降低了项目-响应概率矩阵的复杂度：56个项目中，7个项目被选择为3个不同概率水平，38个为4个水平，11个为5个水平，远少于8个潜在类别。重新标注后的8个类别按平均严重概率从低到高排列，类别比例为0.142、0.086、0.075、0.089、0.116、0.071、0.117、0.302，平均项目-响应概率从0.054升至0.976，形成清晰的严重性梯度。项目层次聚类产生六个条目块：闲暇限制、社交/朋友限制、社交/朋友与闲暇能力、家庭与日常角色限制、家庭与日常角色能力、工作能力。中间类别不仅在总体严重性上不同，还在不同领域以及消极措辞的限制性条目与积极措辞的能力性条目上表现出不同的升高顺序，说明类别结构同时反映了社会角色功能差异和对条目措辞极性（item polarity）的系统性反应差异。
讨论与结论
研究人员讨论了若干未来扩展方向：多类别（polytomous）数据的LCA需将B扩展为三维张量，并同时合并潜在类别和响应类别；多组LCA可对依赖潜在类别与观测组的项目-响应概率施加稀疏化；也可采用L0型融合惩罚的全似然框架。当前方法主要适用于样本量远大于项目数的低维设定，高维LCA仍需借助潜在因子模型的新框架。总体结论是，该估计后精化程序在不进行高成本正则化估计的情况下，为LCA提供了一致的稀疏结构恢复和更强的可解释性，同时保留了经典推断的渐近有效性。
