Die Latent-Class-Analyse

Mehr zum Buch

Gegenstand dieses Buches ist die Latent-Class-Analyse (LCA), ein multivariates Klassifikationsverfahren, das als Alternative zur herkömmlichen Clusteranalyse bei wenigen qualitativen Merkmalen dient. Ursprünglich für dichotome Variablen entwickelt, lassen sich die Methoden auch auf polychotome Merkmale anwenden, und es gibt Entwicklungen für ordinalskalierte Variablen, insbesondere in den Wirtschaftswissenschaften wie der Absatzforschung. Eine Weiterentwicklung der LCA könnte den Informationsverlust durch Niveauregression und die unangemessene Behandlung qualitativer Merkmale als quantitative Variablen verringern oder vermeiden. Die Autorin erläutert die LCA anhand von Beispielen und beginnt mit einer Einführung sowie einer eingehenden Betrachtung des Grundmodells für binäre Merkmale (unrestringierte LCA), einschließlich der Modellgeltung und der Identifizierbarkeit der Parameter. Danach wird die am häufigsten benötigte Variante der restringierten Latent-Class-Modelle behandelt. Anschließend wird die lineare logistische LCA betrachtet, die aus der Kombination einer der Schätzmethoden im unrestringierten Modell und zusätzlichen Restriktionen hervorgeht. Zum Schluss werden wichtige Erweiterungen der ursprünglichen LCA behandelt, insbesondere bei polychotomen oder ordinalskalierten Merkmalen.