เปรียบเทียบวิธี

	การวิเคราะห์กลุ่มแฝงที่แข็งแกร่ง (Robust Latent Class Analysis)	การสร้างแบบจำลองแบบผสม (Mixture Modeling)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	2000s	1894
ผู้ริเริ่ม	Building on Hennig (2004) and Vermunt & Magidson (2004)	Karl Pearson
ประเภท	Robust latent variable / mixture model	Latent variable / density estimation
แหล่งต้นตำรับ	Hennig, C. (2004). Breakdown points for maximum likelihood estimators of location-scale mixtures. Annals of Statistics, 32(4), 1313–1340.	McLachlan, G. J. & Peel, D. (2000). Finite Mixture Models. Wiley-Interscience. ISBN: 978-0471006268
ชื่อเรียกอื่น	robust LCA, outlier-resistant latent class analysis, trimmed-likelihood latent class analysis	finite mixture model, mixture distribution model, FMM, model-based clustering
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.	Mixture modeling assumes that a population is composed of K unobserved subpopulations, each described by its own probability distribution. The observed data are treated as draws from a weighted combination of these component distributions. It provides a principled, model-based alternative to ad hoc clustering and supports formal comparison of solutions with different numbers of components.