应用R软件的poLCA程序包实现潜在类别分析

目的使用R软件的poLCA程序包进行潜在类别分析。方法本文将以Dayton《Latent Class Scaling Analysis》中的数据为例来说明如何运用R软件的poLCA程序包进行潜在类别分析(latent class analysis,LCA),并展示相关代码运行后的结果。结果示例数据被分为两个潜在类别,各类别的概率分别为0.839、0.161。结论与传统的SAS、STATA、Mplus等软件相比,R软件中的poLCA程序包可以在最佳潜在类别数目未知的情况下顺次进行多个潜在类别数目的循环并输出最优模型,同时还可以进行带有协变量的潜在类别分析,为研究者提供了一种快速又简单便捷的潜在类别分析方法。

潜在类别分析原理及实例分析

目的介绍潜在类别分析的原理、方法和技术,探讨潜在类别分析在多个二分类反应变量中聚类的应用。方法采用Mplus软件,对太原市青少年吸烟知识的调查问卷进行潜在类别分析。结果 3804名学生总的被分为5个潜在类别,每一类别的人数分别为2879人、367人、248人、234人和76人,各类别的概率分别为0.757、0.096、0.065、0.062和0.020。结论潜在类别分析用于多个二分类反应变量的聚类有很好的效果。

潜在类别模型及数据模拟分析

目的:介绍潜在类别模型的原理、方法及其分析过程,为医学模式转变所带来的病因关系的复杂性及其对统计分析方法的改进所提出的要求提供理论依据。方法:利用Mplus软件Monte Carlo simulation study模块,按照预先设定的模型产生模拟数据并赋予一定的含义,然后导入Mplus软件直接进行潜在类别分析及多样本分析比较,用图示直观地表现模型参数变化。结果:单样本潜在类别分析显示模型M1中潜在类别2作用大于潜在类别1的作用;模型M2中潜在类别1的作用明显大于潜在类别2的作用。多样本潜在类别分析结果显示所有观察值区分为两类,模型M1与模型M2之间潜在类别具有差异性。讨论:潜在类别分析是描述一组分类变量间相互关系所形成的数学模型,综合了结构方程模型与对数线性模型的思想,可以做探索性研究,也可用于验证性研究,拓展了潜变量模型的应用范围。

基于潜在类别模型的航空旅客分类

潜在类别模型是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来估计,进而维持其局部独立性。为研究民航旅客的选择行为偏好、改进航空公司收益管理策略,文中引进潜在类别模型,然后从PNR数据中选择合适的观察变量,概率参数化后带入模型进行建模,利用Mplus软件对模型进行求解评价,最终得到了最合理的民航旅客分类。由于是基于订票数据的,所以与以往研究相比,此方法从根本上避免了因可靠性带来的偏差风险。