第12章 潜变量分析


12.1 潜分类分析 (Latent Class Analysis)

R

使用poLCA做潜在分类分析。首先导入该包:

library(poLCA)

poLCA()函数可用于潜类别分析。poLCA()需要设置以下2个参数:

  • formula:公式,形式为response ~ predictors
  • data:使用的数据,需要为data.frame

如果要改变分类数,则设置nclass参数,默认值为2。

以下以research_dta为要分析的数据集,H4b_1, H4b_3, H4b_4, H4b_6, H4b_7为外显变量,示例如下:

f1 <- cbind(H4b_1, H4b_3, H4b_4, H4b_6, H4b_7) ~ 1
LCA2 <- poLCA(f1, data = research_dta, nclass = 2)

返回的结果LCA2list对象,其中LCA2$probs为各变量在各分类上的概率;LCA2$predclass为预测分类。可以使用plot(LCA2)以获取可视化结果:

Stata

有待补充。

12.2 潜在剖面分析 (Latent Profile Analysis)

12.3 潜在特质分析 (Latent Trait Analysis)

12.4 因子分析 (Factor Analysis)