In the next set of models we utiliz

In the next set of models we utilized the nonparametric approach. In this case, a Level 2 latent class model was added based on the random means from the Level 1 latent class solution.
As presented in Table 1 (Model 4a), the BIC significantly improves over the fixed effects threeclass model with the addition of two, Level 2 latent classes; however, the BIC is not better than the BIC for the parametric model. Adding a third class only slightly improves the BIC, but it still does not show improvement over the parametric approach. A fourth Level 2 class was also assessed, but this model resulted in a very small number of individuals in the fourth class
and the best log-likelihood failed to replicate. The results of the Level 2 latent class solution for the CB D 2 and CB D 3 solutions are presented in Figures 8 and 9.

ผลลัพธ์ (ไทย) 1:

ในชุดถัดไปของรุ่น เราใช้วิธีแบบ nonparametric ในกรณีนี้ ระดับ 2 มีเพิ่มแบบจำลองชั้นแฝงอยู่ขึ้นอยู่กับวิธีการสุ่มจากโซลูชันชั้นแฝงอยู่ระดับ 1ตามที่แสดงในตารางที่ 1 (รุ่น 4a), BIC มากเพิ่มมากกว่ารุ่น threeclass ถาวรผลบวกของ 2, 2 ระดับชั้นแฝงอยู่ อย่างไรก็ตาม BIC ได้ดีกว่า BIC สำหรับแบบพาราเมตริก เพิ่มสามชั้นปรับปรุงเพียงเล็กน้อย BIC แต่มันยังไม่แสดงปรับปรุงมากกว่าวิธีแบบพาราเมตริก ยังถูกประเมินระดับระดับ 2 สี่ แต่รูปแบบนี้ส่งผลให้จำนวนบุคคลในชั้นสี่ขนาดเล็กมากและดีที่สุดบันทึกโอกาสล้มเหลวในการจำลอง ผลของการแก้ระดับแฝงอยู่ระดับ 2 CB D 2 และโซลูชั่น CB D 3 จะแสดงตัวเลข 8 และ 9

ผลลัพธ์ (ไทย) 2:

ในชุดต่อไปของรุ่นเราใช้วิธีการที่ไม่อิงพารามิเตอร์ ในกรณีนี้รูปแบบกลุ่มแฝงระดับ 2 ถูกบันทึกขึ้นอยู่กับวิธีการสุ่มจากระดับที่ 1 การแก้ปัญหากลุ่มแฝง.
ตามที่แสดงในตารางที่ 1 (รุ่น 4a), BIC อย่างมีนัยสำคัญช่วยเพิ่มมากกว่าผลกระทบคง Threeclass รุ่นที่มีนอกเหนือจากสอง ระดับที่ 2 การเรียนแฝง; แต่ BIC ไม่ได้ดีกว่า BIC สำหรับรูปแบบพาราเมตริก การเพิ่มชั้นสามเพียงเล็กน้อยช่วยเพิ่ม BIC แต่ก็ยังไม่ได้แสดงการปรับปรุงกว่าวิธีพารา สี่ระดับ 2 ชั้นนอกจากนี้ยังได้รับการประเมิน แต่รุ่นนี้ส่งผลให้จำนวนที่น้อยมากของบุคคลในระดับที่สี่
และเข้าสู่ระบบที่ดีที่สุดน่าจะเป็นความล้มเหลวที่จะทำซ้ำ ผลของการแก้ปัญหาระดับ 2 ชั้นแฝงสำหรับ CB D 2 และ CB D 3 การแก้ปัญหาจะถูกนำเสนอในรูปที่ 8 และ 9

ผลลัพธ์ (ไทย) 3:

ในชุดต่อไปของรุ่นเราใช้วิธีนอนพาราเมตริก . ในกรณีนี้ เป็นระดับ 2 ชั้นแบบแฝงเพิ่มตามวิธีการสุ่มจากระดับ 1 แฝงระดับโซลูชั่น .
ที่นำเสนอในตารางที่ 1 ( รุ่นที่ 4 ) , BIC อย่างมีนัยสำคัญปรับปรุงมากกว่าผล threeclass แบบถาวรด้วยนอกเหนือจากสองระดับ 2 แฝงบทเรียน อย่างไรก็ตามที่บิ๊กไม่ได้ดีกว่า BIC สำหรับแบบจำลองพารามิเตอร์ . เพิ่มชั้น 3 เพียงเล็กน้อยช่วยให้บิ๊ก แต่ก็ยังไม่ได้แสดงการปรับปรุงวิธีการพาราเมตริก . ระดับที่สี่ คลาส 2 ยังประเมิน แต่รูปแบบนี้ส่งผลให้จำนวนน้อยมากของบุคคลในระดับที่สี่และโอกาส
ล็อกที่ดีที่สุดล้มเหลวในการจําลองผลของระดับ 2 แฝงระดับโซลูชั่นสำหรับ CB CB 2 D และ D 3 โซลูชั่นนำเสนอตัวเลขที่ 8 และ 9