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:
<- cbind(H4b_1, H4b_3, H4b_4, H4b_6, H4b_7) ~ 1
f1 <- poLCA(f1, data = research_dta, nclass = 2) LCA2
返回的结果LCA2
为list
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)