เปรียบเทียบวิธี

	การวิเคราะห์กลุ่มแฝงที่แข็งแกร่ง (Robust Latent Class Analysis)	การวิเคราะห์โปรไฟล์แฝงที่ทนทาน
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	2000s	2010s
ผู้ริเริ่ม	Building on Hennig (2004) and Vermunt & Magidson (2004)	Building on Vermunt & Magidson (2002); robust extensions developed through contaminated normal mixture literature (Punzo & McNicholas, 2010s)
ประเภท	Robust latent variable / mixture model	Person-centered mixture model with robust estimation
แหล่งต้นตำรับ	Hennig, C. (2004). Breakdown points for maximum likelihood estimators of location-scale mixtures. Annals of Statistics, 32(4), 1313–1340.	Vermunt, J. K. & Magidson, J. (2002). Latent class cluster analysis. In J. A. Hagenaars & A. L. McCutcheon (Eds.), Applied Latent Class Analysis (pp. 89–106). Cambridge University Press. ISBN: 978-0521594035
ชื่อเรียกอื่น	robust LCA, outlier-resistant latent class analysis, trimmed-likelihood latent class analysis	RLPA, robust LPA, robust mixture model for continuous indicators, outlier-robust latent profile analysis
ที่เกี่ยวข้อง	6	5
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.	Robust latent profile analysis identifies latent subgroups of individuals based on their continuous multivariate indicators while protecting parameter estimates from distortion by outliers or atypical observations. It extends standard latent profile analysis by replacing the Gaussian component densities with heavier-tailed or contaminated-normal alternatives that down-weight extreme cases during estimation.