ניתוח מחלקות סמויות (LCA)
ניתוח מחלקות סמויות (Latent Class Analysis, להלן LCA) מזהה תת-קבוצות בלתי נצפות – מחלקות סמויות – באוכלוסייה, על ידי איתור דפוסים של תגובות על פני קבוצת מחוונים נצפים קטגוריאליים. זוהי המקבילה של ניתוח אשכולות (cluster analysis) למשתנים קטגוריאליים, אך היא מבוססת על מודל הסתברותי מפורש, ונמצאת בשימוש נרחב במדעי החברה, הבריאות וההתנהגות לצורך גילוי טיפולוגיות בנתוני סקר או נתונים דיאגנוסטיים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
מקורות
- Goodman, L. A. (1974). Exploratory latent structure analysis using both identifiable and unidentifiable models. Biometrika, 61(2), 215–231. DOI: 10.1093/biomet/61.2.215 ↗
- Lazarsfeld, P. F. & Henry, N. W. (1968). Latent Structure Analysis. Houghton Mifflin. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Latent Class Analysis. ScholarGate. https://scholargate.app/he/statistics/latent-class-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ניתוח אשכולותסטטיסטיקה↔ compare
- ניתוח גורמים מאשר (CFA)פסיכומטריה↔ compare
- ניתוח מבחיןסטטיסטיקה↔ compare
- ניתוח גורמים גישוש (EFA)סטטיסטיקה↔ compare
- ניתוח פרופילים סמויים (LPA)פסיכומטריה↔ compare
- מידול תערובתסטטיסטיקה↔ compare