目的比较潜在类别分析(latent class analysis,LCA)和潜在类别因子分析(latent class factor analysis,LCFA)在异质性群体中的分类效果和适用性。方法采用计算机模拟研究,指定两因子两水平的LCFA作为理论模型,4类别的LCA作为对比模型。...目的比较潜在类别分析(latent class analysis,LCA)和潜在类别因子分析(latent class factor analysis,LCFA)在异质性群体中的分类效果和适用性。方法采用计算机模拟研究,指定两因子两水平的LCFA作为理论模型,4类别的LCA作为对比模型。根据模型拟合指标选择最优理论模型的比例和平均正确分类率评价LCA和LCFA的性能。两种方法也应用在广州市社区卫生服务满意度调查的实例数据中。结果模拟研究表明,模拟数据维度间无相关或中度相关时,LCFA比LCA可更好地拟合数据,分类效果也更优。社区卫生服务满意度实例中,LCFA和LCA分别选择三因子相关模型和5分类模型为最优模型,但LCFA具有更小的BIC和AIC,及更好的专业解释性。结论LCFA同时具有因子分析和聚类分析的功能,比LCA可提供更丰富的应用信息。展开更多
文摘目的比较潜在类别分析(latent class analysis,LCA)和潜在类别因子分析(latent class factor analysis,LCFA)在异质性群体中的分类效果和适用性。方法采用计算机模拟研究,指定两因子两水平的LCFA作为理论模型,4类别的LCA作为对比模型。根据模型拟合指标选择最优理论模型的比例和平均正确分类率评价LCA和LCFA的性能。两种方法也应用在广州市社区卫生服务满意度调查的实例数据中。结果模拟研究表明,模拟数据维度间无相关或中度相关时,LCFA比LCA可更好地拟合数据,分类效果也更优。社区卫生服务满意度实例中,LCFA和LCA分别选择三因子相关模型和5分类模型为最优模型,但LCFA具有更小的BIC和AIC,及更好的专业解释性。结论LCFA同时具有因子分析和聚类分析的功能,比LCA可提供更丰富的应用信息。
