เปรียบเทียบวิธี

	การวิเคราะห์โปรไฟล์แฝงที่ทนทาน	การวิเคราะห์กลุ่มแฝงที่แข็งแกร่ง (Robust Latent Class Analysis)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	2010s	2000s
ผู้ริเริ่ม	Building on Vermunt & Magidson (2002); robust extensions developed through contaminated normal mixture literature (Punzo & McNicholas, 2010s)	Building on Hennig (2004) and Vermunt & Magidson (2004)
ประเภท	Person-centered mixture model with robust estimation	Robust latent variable / mixture model
แหล่งต้นตำรับ	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	Hennig, C. (2004). Breakdown points for maximum likelihood estimators of location-scale mixtures. Annals of Statistics, 32(4), 1313–1340.
ชื่อเรียกอื่น	RLPA, robust LPA, robust mixture model for continuous indicators, outlier-robust latent profile analysis	robust LCA, outlier-resistant latent class analysis, trimmed-likelihood latent class analysis
ที่เกี่ยวข้อง	5	6
สรุป	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.	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.