เปรียบเทียบวิธี

	การวิเคราะห์กลุ่มแฝงที่แข็งแกร่ง (Robust Latent Class Analysis)	[NEEDS TRANSLATION]
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	2000s	1950s–1968
ผู้ริเริ่ม	Building on Hennig (2004) and Vermunt & Magidson (2004)	Paul F. Lazarsfeld
ประเภท	Robust latent variable / mixture model	Latent variable / person-centered classification
แหล่งต้นตำรับ	Hennig, C. (2004). Breakdown points for maximum likelihood estimators of location-scale mixtures. Annals of Statistics, 32(4), 1313–1340.	Goodman, L. A. (1974). Exploratory latent structure analysis using both identifiable and unidentifiable models. Biometrika, 61(2), 215–231.
ชื่อเรียกอื่น	robust LCA, outlier-resistant latent class analysis, trimmed-likelihood latent class analysis	LCA, latent class model, latent categorical analysis, finite mixture of multinomials
ที่เกี่ยวข้อง	6	6
สรุป	Robust latent class analysis (robust LCA) extends the standard latent class model by incorporating outlier-resistant estimation techniques — such as trimmed likelihood, M-estimation, or downweighting — so that atypical response patterns do not distort the recovered class structure or class membership probabilities.	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.