潜在类别分析LCA \潜在剖面分析LPA介绍

最近老板给了一个新的分析方法，跟传统的方法不一样。还是SPSS菜鸟的我，已经不想学SPSS了。不禁感叹数据、代码的神奇，特别是玩了python一丢丢绘图程序，我就飘了，写代码好酷，所以我要学编程···还是看我的狗酷就好了。

1、什么是潜在类别分析(LCA)

潜在类别分析(latent class analysis, LCA)是通过潜在类别模型(latent class model, LCM), 用潜在的类别变量来解释外显的类别变量之间的关联, 使外显变量之间的关系通过潜在类别变量X 来估计, 进而维持其外显变量之间的局部独立性。

潜在类别分析的基本假设是,对各外显变量各种反应的概率分布可以由少数互斥的潜在类别变量来解释,每种类别对各外显变量的反应选择都有特定的倾向。

2、什么是潜在剖面分析（LPA）

与LCA很相像就是LPA，他们区别是：外显变量不一样

潜在类别分析：处理分类变量。

潜在剖面分析：分析连续变量。

区别

3、举例-网页上的一个栗子

例如，一份数学测验有10个判断题，数学能力高的个体可能全部正确的回答所有题目，能力低的学生只能正确回答容易的题目，能力中等的学生可能回答全部容易和部分困难的题目。不同能力水平的学生在正确回答不同难易水平的题目时表现出某种相似性，因此通过学生回答题目的情况可以将其分为不同的能力水平组。LCM分析逻辑的就是根据个体在外显项目上的反应模式将其分类。

4、LCA实现工具与步骤：Mplus  ——后续会具体分享怎么做/怎么提取和转化结果。

�Step1:数据准备

�Step2:Mplus分析

�Step3:拟合指标结果整理

�Step4:比较各类模型下的潜在类别在维度上的条件概率（分类的理论解释）

�Step5:确定类别模型,命名

�Step6:保存归属概率及归属类别

�Step7:后续分析（包含协变量的LCA分析）

5、分享一篇入门LCA文献和一本书（当时老师要我做成屁屁踢在组内分享-分享完会更加理解这个方法）

房立艳, 张大均, 武丽丽, & 胡天强. (2017). 中学生心理素质的类别特征:基于个体中心的潜在类别分析. 心理与行为研究(1).  

《潜变量建模与Mplus应用-进阶篇》超好用！，还可以先看基础篇，两本书的电子版都有，想要可私聊。

长这样

参考文献：张洁婷, 焦璨, 张敏强. (2010). 潜在类别分析技术在心理学研究中的应用. 心理科学进展(12),

1991-1998.

努力喂狗 今天要比昨天多走一步 微信公众号：肥狗的美好生活

——end——