เปรียบเทียบวิธี

	การวิเคราะห์ความสัมพันธ์พหุคูณแบบเบย์ (BMCA)	[NEEDS TRANSLATION]
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	2000s–2010s	1950s–1968
ผู้ริเริ่ม	Extension of MCA (Benzecri, 1973) with Bayesian inference	Paul F. Lazarsfeld
ประเภท	Bayesian dimension reduction for categorical data	Latent variable / person-centered classification
แหล่งต้นตำรับ	Greenacre, M. & Blasius, J. (Eds.) (2006). Multiple Correspondence Analysis and Related Methods. Chapman & Hall/CRC. ISBN: 978-1584886280	Goodman, L. A. (1974). Exploratory latent structure analysis using both identifiable and unidentifiable models. Biometrika, 61(2), 215–231.
ชื่อเรียกอื่น	Bayesian MCA, BMCA, Bayesian multiway correspondence analysis, Bayesian categorical dimension reduction	LCA, latent class model, latent categorical analysis, finite mixture of multinomials
ที่เกี่ยวข้อง	5	6
สรุป	Bayesian Multiple Correspondence Analysis extends classical MCA by embedding the geometric decomposition of categorical data tables within a Bayesian probabilistic framework, enabling principled uncertainty quantification around category coordinates, dimension selection via marginal likelihood, and incorporation of prior knowledge about variable relationships.	Latent class analysis identifies unobserved subgroups — latent classes — within a population by finding patterns of responses across a set of categorical observed indicators. It is the categorical-variable counterpart of cluster analysis, but grounded in an explicit probabilistic model, and is widely used in social, health, and behavioral sciences to discover typologies in survey or diagnostic data.