问题是定义何时可以将变量视为潜在变量。我对如何描述潜在变量以及潜在变量的属性很感兴趣。
我的双重问题是：
例子。 一方面，如果你想在没有任何仪器的情况下测量鱼的重量，你可以设计一些物品来测量它。在这种情况下，您是否依赖潜在变量模型？另一方面，社会水平有时直接通过使用线性模型（或其他模型）应用于最高文凭、家庭书籍数量、电子设备数量等项目的调查的答案来衡量，而不是通过考虑潜在的多变的。但是为什么我们不能在这种情况下使用潜变量模型呢？
提前致谢。
经典类型学的相关部分区分（观察到的）变量、潜在变量和参数。
观察到正则变量并具有分布。未观察到潜在变量并具有分布。没有观察到参数并且没有分布。
参数与潜在变量确实是一个建模决策。考虑一组挖掘潜在规模的调查问题。如果您期望了解一个主题在量表上的位置可能会提供有关另一主题位置的信息，并且您希望能够推广到新主题，那么您应该将位置视为潜在变量。如果没有，你不妨把它当作一个参数。
提出 FA 和 IRT 有点令人困惑，因为一些测量模型旨在估计主题参数，例如 Rasch 模型，而一些旨在估计主题潜在变量，例如 FA 和 IRT 模型。所有类型的模型都有额外的参数，与项目相关联。
对于调查上下文，还有一些索引，这些索引是通过组合几个指标（它们是观察到的变量）构建的。您可能应该将这些视为潜在变量的非参数估计量，因为当您对测量模型参数假设不满意时。（虽然我个人从来没有特别确定他们的地位）
这是一个建模决策。下面的例子可以说明一种看待它的方法。数百个电极连接到头部以测量大脑活动。电流、血流等等，你会得到很多信号。您获得的这些测量结果是可观察的。它们以可能非常非线性的方式混合在一起并且没有用。
潜在的或隐藏的变量正在对负责其世代的各个变量进行建模。它们应该更纯粹，更易于解释。如何提取导致眼睛眨眼或张嘴的信号，或情绪以及许多更复杂的信号。希望它有助于理解直觉。