Latent-Class-Analyse
Latent-Class-Analyse
复制标题
潜在类别分析
DOI：
--
复制
发表时间：
2010
期刊：
影响因子：
--
通讯作者：
C. Geiser
中科院分区：
文献类型：
--
作者：
C. Geiser
潜在类别分析（LCA）或潜在结构分析（Goodman，1974; Lazarsfeld &亨利，1968）是一种统计学方法，可以韦尔登中的人进行分类。分类的目的是为了确定一个类别（名词或普通）测试或Fragebogenitems（z.B.）的个人需求。智能测试丢失/未丢失;症状可处理/未处理;常见的骨折项目包括4种类型的Likert-Skala）。在一个生命周期评估韦尔登中，通过事先未被确认的亚群（潜在的克拉森）分类来对项目进行调整。Anders ausgedruckt：在Antwortmustern韦尔登中，一组被单独确定的项目通过使用类特征Antwortprofilen erklart的潜在Klassen的Zugehorigkeit来确定。
Die Latent-Class-Analyse (LCA) oder Latent-Structure-Analysis (Goodman, 1974; Lazarsfeld & Henry, 1968) ist ein statistisches Verfahren, das zur Klassifizierung von Personen in homogene Subgruppen („latente Klassen“) eingesetzt werden kann. Ausgangspunkt fur die Klassifizierung sind die beobachteten Antwortmuster von Personen uber eine Reihe von kategorialen (nominalen oder ordinalen) Test- oder Fragebogenitems (z.B. Intelligenztestaufgabe gelost/nicht gelost; Symptom vorhanden ja/nein; Fragebogenitems gemessen mittels 4- stufiger Likert-Skala). In einer LCA werden Zusammenhange zwischen den Items durch das Vorhandensein von a priori unbekannten Subpopulationen (latenten Klassen) erklart. Anders ausgedruckt: Die fur ein Set von Items beobachteten interindividuellen Unterschiede in den Antwortmustern werden durch die Zugehorigkeit zu latenten Klassen mit klassenspezifischen Antwortprofilen erklart.