一种基于线性隐变量的调查问卷数据分析方法技术

本发明专利技术公开了一种基于线性隐变量的调查问卷数据分析方法，包括：收集填写后的调查问卷并进行预处理和标准化处理；构建测量模型，根据标准化处理后的观测变量，获得观测变量的聚类和隐变量的骨架图；枚举隐变量骨架图的等价类，进行三分体约束判断；若违背三分体约束，则拒接；若满足三分体约束，将每个隐变量分别作为根节点，对其余隐变量剔除来自根节点的影响，保留相应的等价类；对被保留等价类进行合并，根据合并结果输出隐变量的因果结构图，获得调查问卷中隐变量间的因果关系。本发明专利技术可以获得任意形式分布的隐变量间的因果关系，对调查问卷进行辅助分析，分析结果更准确，有助于做出正确决策。做出正确决策。做出正确决策。

【技术实现步骤摘要】
一种基于线性隐变量的调查问卷数据分析方法


[0001]本专利技术涉及数据处理分析的领域，更具体地，涉及一种基于线性隐变量的调查问卷数据分析方法。

技术介绍

[0002]在计量经济学、心理测量学等领域中，调查问卷是一种常用的研究潜在变量的方法。如市场研究中，想要知道消费者的消费行为、态度和价值观之间的关系，往往采用一组态度量表进行测量。例如为了测量消费者的价值观，可以设计若干问题让消费者进行打分，收集到的数据只是潜在变量的测量数据，并不能直接反应潜在变量之间的关系。潜在变量即隐变量的典型分析方法是因子分析。因子分析假设数据服从高斯分布，研究数据中的相关性。然而，相关关系并不能给出最正确的决策建议，如吸烟、黄牙和肺癌之间都存在相关关系，但干预黄牙并不能降低肺癌的患病几率。因此因果关系的引入是有必要的，如在吸烟、黄牙和肺癌中，吸烟和肺癌存在因果关系，干预吸烟可以有效降低肺癌患病几率。所以在调查问卷数据中，发现隐变量的因果关系可以帮助我们做出正确的决策。目前，针对隐变量间因果关系的发现主要基于线性隐变量模型的假设，通过利用观测变量间的协方差信息或引入非本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线性隐变量的调查问卷数据分析方法，其特征在于，所述方法包括：S1：收集填写后的调查问卷，对调查问卷进行预处理，将预处理后调查问卷的题目作为观测变量组成数据集；S2：对数据集中的观测变量进行标准化处理；S3：构建测量模型，根据标准化处理后的观测变量，获得观测变量的聚类；S4：基于测量模型中观测变量的聚类，获得隐变量的骨架图；S5：枚举隐变量骨架图的等价类，对每个隐变量骨架图的等价类进行三分体约束判断；若违背三分体约束，则拒接相应的等价类；若满足三分体约束，则将等价类中每个隐变量分别作为根节点，对其余隐变量剔除来自根节点的影响，保留相应的等价类；S6：对被保留的隐变量骨架图的等价类进行合并；S7：根据合并结果输出隐变量的因果结构图，获得调查问卷中隐变量间的因果关系。2.根据权利要求1所述的基于线性隐变量的调查问卷数据分析方法，其特征在于，所述步骤S2中，对数据集中的观测变量进行标准化处理的方法为z
‑
score标准化，具体为：其中，x
i
表示第i个标准化后的观测变量，x
′
i
表示第i个观测变量，μ表示观测变量的均值，σ表示观测变量的标准差。3.根据权利要求1所述的基于线性隐变量的调查问卷数据分析方法，其特征在于，所述S3中，基于四分体约束方法构建测量模型，测量模型的结构方程为：为：其中，x
i
表示第i个标准化后的观测变量，A表示隐变量和标准化后的观测变量的因果强度矩阵，表示第i个标准化后的观测变量的噪声；L
i
表示第i个隐变量，B表示隐变量间的因果强度系数矩阵，表示第i个隐变量的噪声，L表示隐变量矩阵。4.根据权利要求1所述的基于线性隐变量的调查问卷数据分析方法，其特征在于，所述步骤S4中，基于测量模型中观测变量的聚类，获得隐变量的骨架图的具体方法为：计算观测变量的聚类的协方差矩阵，获得协方差矩阵的秩；根据观测变量的聚类和观测变量间的协方差矩阵的秩，构建隐变量的骨架图。5.根据权利要求1所述的基于线性隐变量的调查问卷数据分析方法，其特征在于，所述步骤S5中，枚举隐变量骨架图的等价类具体为：所述隐变量的骨架图包括隐变量和连接隐变量的边，隐变量的骨架图为无线图，枚举骨架图的等价类即列举骨架图中连接任意两个隐变量的每条边的所有可能方向，即对于连接任意两个隐变量L
i
,L
j
的边，可能方向包括L
i
→
L
j
和L
i
←
L
j
。6.根据权利要求5所述的基于线性隐变量的调查问卷数据分析方法，其特征在于，所述S5中，对每个隐变量骨架图的等价类进行三分体约束判断的具体方法为：对每个隐变量骨架图的等价类的每条边进行三分体约束判断；设L
i
，L
j
和L
k
...

【专利技术属性】
技术研发人员：郝志峰，陈正鸣，蔡瑞初，陈炳丰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：