ScholarGate
Assistent
Latent structure

Latent Class Analysis (LCA)

Latent class analysis är en probabilistisk modellbaserad klustringsteknik som identifierar oobserverade undergrupper – latenta klasser – inom en population, baserat på mönster av kategoriska, binära eller ordnade indikatorsvar. Metoden, som har sitt ursprung i sociologisk mätningsteori med Lazarsfelds arbete om latent struktur kring 1950 och formaliserades beräkningsmässigt av Goodman på 1970-talet, används flitigt inom samhällsvetenskap, hälsovetenskap och beteendevetenskap för att avslöja dold heterogenitet i populationer.

Tillämpa med StatMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  1. Hagenaars, J. A. & McCutcheon, A. L. (Eds.) (2002). Applied Latent Class Analysis. Cambridge University Press. ISBN: 978-0521594516
  2. Nylund, K. L., Asparouhov, T. & Muthen, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling. Structural Equation Modeling, 14(4), 535–569. link

Så citerar du den här sidan

ScholarGate. (2026, June 1). Latent Class Analysis. ScholarGate. https://scholargate.app/sv/statistics/lca

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

Refereras av

ScholarGateLCA (Latent Class Analysis). Hämtad 2026-06-15 från https://scholargate.app/sv/statistics/lca · Datamängd: https://doi.org/10.5281/zenodo.20539026