LatentVariablen

Latente Variablen sind Größen, die in der beobachtbaren Welt existieren, aber nicht direkt gemessen werden können. Stattdessen werden sie über beobachtbare Merkmale oder Indikatoren erschlossen. Latente Variablen dienen dazu, zugrunde liegende Strukturen, Konstrukte oder Prozesse abzubilden, die sich der direkten Messung entziehen oder nur unvollständig erfassbar sind.

In Statistik, Psychometrie und verwandten Feldern kommen latente Variablen in Modellen wie der Faktorenanalyse, Strukturgleichungsmodellen (SEM) und der Item-Response-Theorie zum Einsatz. Hier werden beobachtbare Variablen als Indikatoren einer oder mehrerer latenter Variablen modelliert. Die Modelle unterscheiden Messfehler von dem eigentlichen latenten Konstrukt.

Die Schätzung solcher Modelle erfolgt typischerweise mit Maximum-Likelihood- oder Bayes-Verfahren. Häufig kommen EM-Algorithmen oder Markov-Chain-Monte-Carlo-Methoden zum Einsatz. Wichtige Anforderungen sind Identifizierbarkeit und ausreichende Indikatoranzahl pro latenter Variable; oft werden Varianzen oder Ladungen festgelegt, um den Skalenwert zu bestimmen.

Anwendungen finden sich in der Psychologie (Intelligenz, Persönlichkeit), Soziologie (sozialer Status), Ökonomie (verdeckte Risikofaktoren) sowie in der künstlichen Intelligenz, etwa bei Topics-Modellierung (latente Themen in LDA) oder bei anderen probabilistischen Graphikmodellen. Latente Variablen ermöglichen es, Daten effizient zu komprimieren und Strukturen zu interpretieren, ohne direkt beobachtbare Messgrößen zu benötigen.