Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
From Big Data to Information: Statistical Issues Through a Case Study Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Clustering Upper Level Units in Multilevel Models for Ordinal Data

verfasst von : Leonardo Grilli, Agnese Panzera, Carla Rampichini

Erschienen in: Classification, (Big) Data Analysis and Statistical Learning

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We consider an explorative method for unsupervised clustering of upper level units in a two-level hierarchical setting. The idea lies in applying a density-based clustering algorithm to the predicted random effects obtained from a multilevel cumulative logit model. We illustrate the proposed approach throughout the analysis of data from European Social Survey about political trust in European countries.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Estimating the Effect of Prenatal Care on Birth Outcomes
Nächstes Kapitel Clustering Macroseismic Fields by Statistical Data Depth Functions
Fußnoten
Literatur
1.
Aitkin, M.: A general maximum likelihood analysis of variance components in generalized linear models. Biometrics 55, 117–128 (1999)MathSciNetCrossRef
2.
Azzimonti, L., Ieva, F., Paganoni, A.M.: Nonlinear nonparametric mixed-effects models for unsupervised classification. Comput. Stat. 28, 1549–1570 (2013)MathSciNetCrossRef
3.
Asparouhov, T., Muthén, B.: Multilevel mixture models. In: Hancock, G.R. and Samuelsen, K.M. (Eds.) Advances in latent variable mixture models, pp. 27–51, Charlotte, NC: Infurmation Age Publishing (2008)
4.
Azzalini, A., Menardi, G.: Clustering via nonparametric density estimation: the R Package pdfCluster. J. Stat. Software 57, 1–26 (2014)CrossRef
5.
Azzalini, A., Torelli, N.: Clustering via nonparametric density estimation. Statist. Computing 17, 71–80 (2007)MathSciNetCrossRef
6.
Grilli, L., Rampichini, C.: Multilevel models for ordinal data. In: Kenett, R. and Salini, S. (eds.) Modern Analysis of Customer Surveys: with Applications using R., Chapter 19, Wiley (2012)
7.
Heinzl, F., Tutz, G.: Clustering in linear mixed models with approximate Dirichlet process mixtures using EM algorithm. Stat. Modell. 13, 41–67 (2013)MathSciNetCrossRef
8.
Lukociene, O., Varriale, R., Vermunt, J.K.: The simultaneous decision(s) about the number of lower- and higher-level classes in multilevel latent class analysis. Sociological Meth. 40, 247–283 (2010)CrossRef
9.
Menardi, G., Azzalini, A.: An advancement in clustering via nonparametric density estimation. Statist. Computing 124, 753–767 (2014)MathSciNetCrossRef
10.
McCulloch, C.E., Neuhaus, J.M.: Prediction of random effects in linear and generalized linear models under model misspecification. Biometrics 67, 270–279 (2011)MathSciNetCrossRef
11.
McCulloch, M.E., Neuhaus, J.M.: Misspecifying the shape of a random effects distribution: why getting it wrong may not matter. Stat. Sci. 26, 388–402 (2011)MathSciNetCrossRef
12.
Nylund, K.L., Asparouhov, T., Muthén, B.O.: Deciding the number of classes in latent class analysis and growth mixture modeling: a Monte Carlo simulation study. Struct. Equat. Model. 14, 535–569 (2007)MathSciNetCrossRef
13.
Ohlssen, D.I., Sharples, L.D., Spiegelhalter, D.J.: Flexible random-effects models using Bayesian semi-parametric models: applications to institutional comparisons. Statist. Med. 26, 2088–2112 (2007)MathSciNetCrossRef
14.
Skrondal, A., Rabe-Hesketh, S.: Prediction in multilevel generalized linear models. J. R. Stat. Soc. Ser. A 172, 659–687 (2009)MathSciNetCrossRef
15.
Vermunt, J.K.: Mixture models for multilevel data sets. In: Hox, J., Roberts, J.K. (eds.) Handbook of Advanced Multilevel Analysis, pp. 59–81. Routledge (2010)
16.
Wand, M.P., Jones, M.C.: Kernel smoothing. Chapman & Hall, London (1995)CrossRef
Metadaten
Titel
Clustering Upper Level Units in Multilevel Models for Ordinal Data
verfasst von
Leonardo Grilli
Agnese Panzera
Carla Rampichini
Copyright-Jahr
2018
Buch
Classification, (Big) Data Analysis and Statistical Learning

Print ISBN: 978-3-319-55707-6

Electronic ISBN: 978-3-319-55708-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-55708-3_15

Premium Partner

    Bildnachweise