付費限定文章

潛在類別／剖面／混合分析操作1:找出最佳組數

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。