付費限定

潛在類別/剖面/混合分析操作1:找出最佳組數

更新 發佈閱讀 1 分鐘


潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)是探討潛在類別變項的統計技術。兩者與因素分析最大的不同在於潛在變項(因素)的形式:因素分析探討的處理的是連續類型的潛在變項(因素);潛在類別分析處理的是類別類型的潛在變項(因素)。


如下圖,潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)都在處理的是類別類型的潛在變項。但兩者差異主要在於,潛在類別模式的觀察變項是類別的(例如:是或否);潛在剖面分析的觀察變項是連續的(例如:上網時數)。如果觀察變項同時具有連續和類別呢?那就是混合分析(Mixture Model)。本文將介紹如何使用Mplus進行三種統計方法。

想學Mplus基本操作請看這邊

潛在類別模式

以行動支持創作者!付費即可解鎖
本篇內容共 5106 字、0 則留言,僅發佈於統計分析 × 學術生涯你目前無法檢視以下內容,可能因為尚未登入,或沒有該房間的查看權限。
留言
avatar-img
教育心理博士的筆記本
263會員
139內容數
文章內容以圖像式和步驟化方式,教您如何在各種統計軟體中(例如:SPSS、R和Mplus),執行多種統計方法。
2025/01/30
當使用MLM或MLR估計法時,需使用Scaled卡方檢定計算嵌套模型之間的卡方差異,本文透過圖文說明,介紹如何使用EXCEL自動計算Scaled卡方檢定,方便且免費。
Thumbnail
2025/01/30
當使用MLM或MLR估計法時,需使用Scaled卡方檢定計算嵌套模型之間的卡方差異,本文透過圖文說明,介紹如何使用EXCEL自動計算Scaled卡方檢定,方便且免費。
Thumbnail
2024/12/30
多層次結構方程模型(MSEM)是一種專為處理多層次資料而設計的結構方程模型,適用於具有群組結構的資料分析。本文介紹多層次結構方程模型(MSEM)的基本概念、公式、以及Mplus語法的基本結構與應用。
Thumbnail
2024/12/30
多層次結構方程模型(MSEM)是一種專為處理多層次資料而設計的結構方程模型,適用於具有群組結構的資料分析。本文介紹多層次結構方程模型(MSEM)的基本概念、公式、以及Mplus語法的基本結構與應用。
Thumbnail
2024/02/27
之前已經說過限制模型,接下來進入下一部份根據Mulder and Hamaker (2021)建議,在 RI-CLPM 中,有許多擴展模型,今天要介紹的是 Extension 1。Extension 1就是加入跨時間不變的預測或結果變項,本文將介紹此模型構造和語法。
Thumbnail
2024/02/27
之前已經說過限制模型,接下來進入下一部份根據Mulder and Hamaker (2021)建議,在 RI-CLPM 中,有許多擴展模型,今天要介紹的是 Extension 1。Extension 1就是加入跨時間不變的預測或結果變項,本文將介紹此模型構造和語法。
Thumbnail
看更多
你可能也想看
Thumbnail
在 vocus 與你一起探索內容、發掘靈感的路上,我們又將啟動新的冒險——vocus App 正式推出! 現在起,你可以在 iOS App Store 下載全新上架的 vocus App。 無論是在通勤路上、日常空檔,或一天結束後的放鬆時刻,都能自在沈浸在內容宇宙中。
Thumbnail
在 vocus 與你一起探索內容、發掘靈感的路上,我們又將啟動新的冒險——vocus App 正式推出! 現在起,你可以在 iOS App Store 下載全新上架的 vocus App。 無論是在通勤路上、日常空檔,或一天結束後的放鬆時刻,都能自在沈浸在內容宇宙中。
Thumbnail
vocus 慶祝推出 App,舉辦 2026 全站慶。推出精選內容與數位商品折扣,訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包,以及全站徵文,並邀請你一起來回顧過去的一年, vocus 與創作者共同留下了哪些精彩創作。
Thumbnail
vocus 慶祝推出 App,舉辦 2026 全站慶。推出精選內容與數位商品折扣,訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包,以及全站徵文,並邀請你一起來回顧過去的一年, vocus 與創作者共同留下了哪些精彩創作。
Thumbnail
用R語言進行HLM分析第一章將介紹ICC係數定義,並實際示範如何使用R語言計算ICC,並解釋其含意。
Thumbnail
用R語言進行HLM分析第一章將介紹ICC係數定義,並實際示範如何使用R語言計算ICC,並解釋其含意。
Thumbnail
接續第三章內容,有時候多層次資料不只一個層次,可能具有多種層次,例如:學生屬於某個學校,而學校又屬於某個縣市。本章主要說明三層次之隨機截距模型的公式和SPSS操作,我們先從公式開始,然後在教學SPSS視窗和語法操作,相信看完後,讀者就會了解三層次之隨機截距斜率模型概念和操作。
Thumbnail
接續第三章內容,有時候多層次資料不只一個層次,可能具有多種層次,例如:學生屬於某個學校,而學校又屬於某個縣市。本章主要說明三層次之隨機截距模型的公式和SPSS操作,我們先從公式開始,然後在教學SPSS視窗和語法操作,相信看完後,讀者就會了解三層次之隨機截距斜率模型概念和操作。
Thumbnail
接續第二章內容,本章主要說明雙層次之隨機截距模型的公式和SPSS操作,我們先從公式開始,然後在教學SPSS視窗和語法操作,相信看完後,讀者就會了解雙層次之隨機截距斜率模型概念和操作。
Thumbnail
接續第二章內容,本章主要說明雙層次之隨機截距模型的公式和SPSS操作,我們先從公式開始,然後在教學SPSS視窗和語法操作,相信看完後,讀者就會了解雙層次之隨機截距斜率模型概念和操作。
Thumbnail
本章主要說明雙層次之隨機截距模型的公式和SPSS操作,我們先從最簡單的一個Level 1固定自變項模型開始,到複雜的兩個Level 1和1個Level 2固定自變項模型,相信看完後,讀者就會了解雙層次之隨機截距模型概念和操作。
Thumbnail
本章主要說明雙層次之隨機截距模型的公式和SPSS操作,我們先從最簡單的一個Level 1固定自變項模型開始,到複雜的兩個Level 1和1個Level 2固定自變項模型,相信看完後,讀者就會了解雙層次之隨機截距模型概念和操作。
Thumbnail
在使用Mplus進行統計分析時,我們需要設定各種估計方法,但很多同學可能不知道各種估計方法的適用時機,本文將簡介各種常見的估計法。
Thumbnail
在使用Mplus進行統計分析時,我們需要設定各種估計方法,但很多同學可能不知道各種估計方法的適用時機,本文將簡介各種常見的估計法。
Thumbnail
潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)是探討潛在類別變項的統計技術。兩者與因素分析最大的不同在於潛在變項(因素)的形式。本文將介紹潛在類別/剖面/混合分析操作1:找出最佳組數
Thumbnail
潛在類別模式(latent class modeling, LCM)和潛在剖面分析(Latent Profile Analysis, LPA)是探討潛在類別變項的統計技術。兩者與因素分析最大的不同在於潛在變項(因素)的形式。本文將介紹潛在類別/剖面/混合分析操作1:找出最佳組數
Thumbnail
驗證性因素分析(Confirmatory Factor Analysis, CFA)常被作為檢驗量表或測量工具之建構效度。做SEM前大多會要求每個工具的CFA結果。不僅如此,CFA也可能拿來檢驗測量衡等性的有效工具。本文將簡介驗證性因素分析概念,並介紹如何用Mplus 操作。
Thumbnail
驗證性因素分析(Confirmatory Factor Analysis, CFA)常被作為檢驗量表或測量工具之建構效度。做SEM前大多會要求每個工具的CFA結果。不僅如此,CFA也可能拿來檢驗測量衡等性的有效工具。本文將簡介驗證性因素分析概念,並介紹如何用Mplus 操作。
Thumbnail
如同跨組比較一樣,跨時間時也需要考量縱向測量衡等性,在分析縱向數據時考慮 測量衡等性 很重要,因為不具有縱向測量衡等性的量表,對結果的有效性和正確性有所影響。縱向衡等性和多群組衡等性的分析策略相似,但在參數設定有些差異,本文將簡介其概念和和Mplus操作。
Thumbnail
如同跨組比較一樣,跨時間時也需要考量縱向測量衡等性,在分析縱向數據時考慮 測量衡等性 很重要,因為不具有縱向測量衡等性的量表,對結果的有效性和正確性有所影響。縱向衡等性和多群組衡等性的分析策略相似,但在參數設定有些差異,本文將簡介其概念和和Mplus操作。
Thumbnail
首先介紹何謂PLS-SEM,並介紹如何執行PLS和CB-SEM差異,接下來一步步帶領大家如何透過 SmartPLS執行模型估計、調節、中介和多群組測量衡等性分析, SmartPLS其實和AMOS非常相似,都是按按按就可以執行~
Thumbnail
首先介紹何謂PLS-SEM,並介紹如何執行PLS和CB-SEM差異,接下來一步步帶領大家如何透過 SmartPLS執行模型估計、調節、中介和多群組測量衡等性分析, SmartPLS其實和AMOS非常相似,都是按按按就可以執行~
Thumbnail
「共變異數分析 (ANCOVA)」程序會比較一個連續應變數在兩個以上因素變數之間的平均數,並判定共變量的效應以及共變量與因素之間的交互作用。可以在控制共變數分析,可以調查因素之間的交互作用、以及主要效果。ANCOVA通常用於研究中,研究者希望控制控制變項探的情況下,檢驗一個或多個自變量對依變項。
Thumbnail
「共變異數分析 (ANCOVA)」程序會比較一個連續應變數在兩個以上因素變數之間的平均數,並判定共變量的效應以及共變量與因素之間的交互作用。可以在控制共變數分析,可以調查因素之間的交互作用、以及主要效果。ANCOVA通常用於研究中,研究者希望控制控制變項探的情況下,檢驗一個或多個自變量對依變項。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News