Essays on latent variable modeling: Applications to cross-sectional, longitudinal and multilevel data

Abstract

This PhD thesis contributes to the field of management by illustrating how Latent Variable Modeling (LVM) can address critical challenges in management decision making. The four studies presented in this thesis improve the way managers approach complex organizational and policy problems and address common challenges they face with cross-sectional, longitudinal and multilevel data, offering both theoretical advances and practical applications. In Study 1, we applied Latent Growth Mixture Modeling to a national sample of military pilot applicants, using a longitudinal structure (pilot performance over time) to model item responses and segment individuals into latent classes that share common patterns. The findings of this study showed the existence of two longitudinal patterns of change in the pilot applicant population and identified covariates that predict each distinct trajectory. In Study 2, Latent Class Analysis was applied to Eurobarometer data from the European Union to address the digital divide and heterogeneity of internet usage among citizens. Six groups of internet users were identified, and key socioeconomic and demographic profiling variables characterize these patterns. Study 3 extends previous Study 2 using a Multilevel Latent Class Analysis to capture heterogeneity within and between EU countries and derive latent classes for countries and individuals. Finally, in Study 4, a Multilevel Factor Model with a Multiple Indicators and Multiple Causes structure was used to examine cybercrime risk perception among internet users in the EU. It shows that heteregeneity is mainly at the individual-level and small differences at country level. This thesis contributes to the advancement of empirical research and methodological approaches in psychology, management, and economics by integrating various latent variable techniques.

Esta tese de doutoramento contribui para o campo da gestão, ilustrando como a Modelação de Variáveis Latentes pode abordar desafios críticos na tomada de decisão em gestão. Os quatro estudos apresentados nesta tese pretendem incrementar a forma como os gestores enfrentam problemas organizacionais complexos, lidando com desafios comuns em dados transversais, longitudinais e multiníveis, oferecendo avanços teóricos e práticos. No Estudo 1, foi aplicado o Modelo de Mistura com Crescimento Latente a uma amostra nacional de candidatos a pilotos militares, utilizando uma estrutura longitudinal (desempenho dos pilotos ao longo do tempo) para modelar as respostas aos itens e segmentar indivíduos em classes latentes que partilham padrões comuns. Os resultados deste estudo revelaram a existência de dois padrões longitudinais de mudança na população de candidatos a piloto e identificaram variáveis explicativas que predizem as duas trajectórias. No Estudo 2, a Análise de Classes Latentes foi aplicada a dados do Eurobarómetro da União Europeia para abordar o tema do digital divide e a heterogeneidade no uso da internet entre os cidadãos. Foram identificados seis grupos de utilizadores de internet, e variáveis socioeconómicas e demográficas caracterizadoras desses padrões. O Estudo 3 estende o Estudo anterior, utilizando uma Análise de Classes Latentes Multinível para identificar a heterogeneidade ao nível dos países e dos indivíduos. Por fim, no Estudo 4, foi utilizado um Modelo Fatorial Multinível com uma estrutura de Múltiplos Indicadores e Múltiplas Causas para analisar a percepção de risco face ao cibercrime na União Europeia. O estudo mostra que a heterogeneidade está principalmente ao nível individual, com pequenas diferenças ao nível dos países. Esta tese contribui para o avanço da investigação empírica e das abordagens metodológicas em psicologia, gestão e economia, integrando diversas técnicas de modelação de variáveis latentes.