Análisis de clases latentes en tablas poco ocupadasconsumo de alcohol, tabaco y otras drogas en adolescentes

  1. Araya, Carlomagno 1
  2. Sepúlveda, Rosa 2
  1. 1 Universidad de Costa Rica
    info

    Universidad de Costa Rica

    San José, Costa Rica

    ROR https://ror.org/02yzgww51

  2. 2 Universidad de Salamanca, Departamento de Estadística
Revista:
Revista de Matemática: Teoría y Aplicaciones

ISSN: 2215-3373,  2215-3373

Año de publicación: 2010

Volumen: 17

Número: 1

Páginas: 25-40

Tipo: Artículo

DOI: 10.15517/RMTA.V17I1.310 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Revista de Matemática: Teoría y Aplicaciones

Resumen

La aportación de este estudio es la aproximación multidimen-sional sobre patrones de consumo de drogas en jóvenes. Los datosprovienen del estudio “Factores que inciden en el consumo de dro-gas, población juvenil. Región Central de Occidente” de Costa Rica,2006. Con base en los resultados obtenidos con un modelo de claseslatentes, se establecen 8 subgrupos de individuos según el consumode las diferentes drogas.

Referencias bibliográficas

  • Agresti, A. (1984) Analysis of Ordinal Categorical Data. John Wiley and Sons, New York.
  • Andersen, E. (1991) The Analysis of Categorical Data. Springer-Verlag, Berlin.
  • Anderson, T. (1954) “On estimation of parameters in latent structure analysis”. Psychometrika 19(1): 1–10.
  • Bartholomew, D. (1987) Latent Variable Models and Factor Analysis. 2nd edition, Oxford University Press, London.
  • Clogg, C.C. (1995) “Latent class models: recent developments and prospects for the future”, in: C.C. Clogg; G. Arminger & M.E. Sobel (Eds.) Handbook of Statistical Modeling in the Social Sciences, Plenum, New York: 311–359.
  • Dempster, A.P.; Laird, N.M.; Rubin, D.B. (1977) “Maximum likelihood from incomplete data via the EM algorithm”, Journal of the Royal Statistical Society 39: 1–38.
  • Efron, B. (1979) “Bootstrap Methods: Another Look at the Jackknife”, The Annals of Statistics 7: 1–26.
  • Efron, B.; Tibshirani, R. J. (1993) An Introduction to the Bootstrap. Chapman and Hall, London.
  • Goodman, L. (1974) “Exploratory latent structure analysis using both identificable and unidentificable models”, Biometrika 61(2): 215–231.
  • Henry, N.; Lazarsfeld, P. (1968) Latent Structure Analysis. Houghton Mifflin, Boston.
  • Instituto Sobre Alcoholismo y Farmacodependencia (2007) La Juventud y las Drogas: Encuesta Nacional sobre Percepciones y Consumo en Población de Educación Secundaria. San José, Costa Rica.
  • Langeheine, R.; Pannekoek, J.; Van de Pol, F. (1996) “Bootstrapping goodness-of-fit measures in categorical data Analysis”, Sociological Methods & Research 24(4): 492–516.
  • Manly, F. (1997) Randomization, Bootstrap and Monte Carlo Methods in Biology. Chapman & Hall, London.
  • McHugh, R. (1956) “Efficient estimation and local identification in latent class analysis”, Psychometrika 21(4): 331–347.
  • Read, T.; Cressie, N. (1988) Goodness-of-Fit Statistics for Discrete Multivariate Data. Springer-Verlag, New York.
  • Ugalde, M.; Barboza, A.; Orozco, J.; Esquivel, J.; Jiménez, J.; Gómez, A. (2000) “Análisis del consumo de drogas en adolescentes escolarizados de Costa Rica”, Revista de la Asociación de Ciencias Penales de Costa Rica 18(24): 79–84.
  • Vermunt, J.; Magidson, J. (2002) “Latent class cluster analysis”, in: J.A. Hagenaars & A.L. McCutcheon (Eds.) Applied Latent Class analysis. Cambridge University Press, London: 89–106.
  • Von Davier, M. (1997) “Bootstrapping goodness-of-fit statics for sparse Categorical Data – Results of a Monte Carlo study”, Methods of Psychological Research Online 2: 29–48.
  • Von Davier, M. (2001) WINMIRA 3.2 pro. Institute for Science Education (IPN), Kiel.
Fuente de los datos: Dialnet