2011 | OriginalPaper | Buchkapitel
Latent-Class-Analyse
verfasst von : Christian Geiser
Erschienen in: Datenanalyse mit Mplus
Verlag: VS Verlag für Sozialwissenschaften
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Die
Latent-Class-Analyse
(LCA) oder
Latent-Structure-Analysis
(Goodman, 1974; Lazarsfeld & Henry, 1968) ist ein statistisches Verfahren, das zur Klassifizierung von Personen in homogene Subgruppen („latente Klassen“) eingesetzt werden kann. Ausgangspunkt für die Klassifizierung sind die beobachteten Antwortmuster von Personen über eine Reihe von kategorialen (nominalen oder ordinalen) Test- oder Fragebogenitems (z.B. Intelligenztestaufgabe gelöst/nicht gelöst; Symptom vorhanden ja/nein; Fragebogenitems gemessen mittels 4-stufiger Likert-Skala). In einer LCA werden Zusammenhänge zwischen den Items durch das Vorhandensein von a priori unbekannten Subpopulationen (latenten Klassen) erklärt. Anders ausgedrückt: Die für ein Set von Items beobachteten interindividuellen Unterschiede in den Antwortmustern werden durch die Zugehörigkeit zu latenten Klassen mit klassenspezifischen Antwortprofilen erklärt.