ScholarGate
Pembantu
Latent structureMultivariate analysis

Analisis Kelas Laten Mantap

Analisis kelas laten mantap (robust LCA) melanjutkan model kelas laten piawai dengan menggabungkan teknik estimasi yang tahan pencilan — seperti kemungkinan terpotong (trimmed likelihood), M-estimasi, atau penurunan bobot — agar pola respons yang tidak lazim tidak mendistorsi struktur kelas yang dipulihkan atau probabilitas keanggotaan kelas.

Terapkan dengan StatMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Hennig, C. (2004). Breakdown points for maximum likelihood estimators of location-scale mixtures. Annals of Statistics, 32(4), 1313–1340. DOI: 10.1214/009053604000000571
  2. Vermunt, J. K., & Magidson, J. (2004). Latent class models. In D. Kaplan (Ed.), The Sage Handbook of Quantitative Methodology for the Social Sciences (pp. 175–198). Sage. link

Cara memetik halaman ini

ScholarGate. (2026, June 3). Robust Latent Class Analysis. ScholarGate. https://scholargate.app/ms/statistics/robust-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.

Compare side by side

Dirujuk oleh

ScholarGateRobust Latent Class Analysis (Robust Latent Class Analysis). Dicapai 2026-06-15 daripada https://scholargate.app/ms/statistics/robust-latent-class-analysis · Set data: https://doi.org/10.5281/zenodo.20539026