Zmienna latentna

W statystyce, zmienne latentne (z łaciny: present participle of lateo („leżeć w ukryciu”), w przeciwieństwie do zmiennych obserwowalnych) są zmiennymi, które nie są bezpośrednio obserwowane, ale są raczej wnioskowane (poprzez model matematyczny) z innych zmiennych, które są obserwowane (bezpośrednio mierzone). Modele matematyczne, które mają na celu wyjaśnienie obserwowanych zmiennych w kategoriach zmiennych ukrytych, nazywane są modelami zmiennych ukrytych. Modele zmiennych ukrytych są stosowane w wielu dyscyplinach, w tym psychologii, demografii, ekonomii, inżynierii, medycynie, fizyce, uczeniu maszynowym/sztucznej inteligencji, bioinformatyce, chemometrii, przetwarzaniu języka naturalnego, ekonometrii, zarządzaniu i naukach społecznych.

Zmienne ukryte mogą odpowiadać aspektom rzeczywistości fizycznej. Te mogłyby w zasadzie być mierzone, ale mogą nie być z praktycznych powodów. W tej sytuacji, termin ukryte zmienne jest powszechnie używany (odzwierciedlając fakt, że zmienne są znaczące, ale nieobserwowalne). Inne ukryte zmienne odpowiadają abstrakcyjnym pojęciom, takim jak kategorie, stany behawioralne lub mentalne, lub struktury danych. Terminy hipotetyczne zmienne lub hipotetyczne konstrukty mogą być używane w tych sytuacjach.

Użycie zmiennych ukrytych może służyć do zmniejszenia wymiarowości danych. Wiele obserwowalnych zmiennych może być zagregowanych w modelu, aby reprezentować podstawową koncepcję, ułatwiając zrozumienie danych. W tym sensie, pełnią one funkcję podobną do teorii naukowych. W tym samym czasie zmienne ukryte łączą obserwowalne („subsymboliczne”) dane w świecie rzeczywistym z danymi symbolicznymi w świecie modelowanym.