潜在类分析模型的选择

Question

在进行潜在类分析时，有时信息准则( AIC、BIC、aBIC)没有选择相同的模型。在一项关于药物使用模式的研究中，我正在对774名与男性发生性关系的男性进行研究。图1显示了为每个潜在类绘制的匹配标准。BIC和CAIC选择三个类模型(参见图2)。但是，aBIC选择了一个五个类模型(参见图2)。

在这种情况下，如何选择模型解决方案？是否有选择变量或折叠变量以优化结果的方法？

Answer 1

选择LCA的类数从来都不容易，但我遵循一些经验法则：

1. 基于Nylund，Asparouhov & Muthén (2007年)，您想要遵循BIC和引导似然比测试(BLRT)。即使这样，他们也很少同意-- BLRT会告诉你选择一个有更多类的模型，BIC会更保守，建议更少的类。但这是通过使用统计测试所能得到的最接近的结果。
2. 依赖于您的模型所依据的现有理论。寻找与你的理论知识之间潜在的差异，并试图从理论中推断出预期的课程数量。没有金科玉律，LCA是一种很好的方法，但没有理论，它是相当没有意义的。如果你没有什么理论，你能做的就是把你的潜在变量和你可能有一些理论的远端结果(协变量)联系起来，看看它是否可行。例如，你怀疑你的潜在类别中有一个是由一个性别主导的:把你的潜在变量和性别联系起来，然后看看。
3. 简约规则:简单的模型比复杂的模型更好(Collins & Lanza，2010)。如果一个简单的模型可以完成所有的工作，为什么要选择一个复杂的模型呢？

在您的情况下，我将从一个3类模型开始，因为它是由BIC和简约建议的。在完成分析和解释结果之后，我会用4/5类重新运行这个模型，看看我是否会得到完全不同的发现--这是值得报告的，任何重要的或与我在3类模型中发现的结果相矛盾的发现。如果它只是增加了复杂性，但并没有矛盾或改进我已经知道的，我会坚持3类模型。

从结果来看，我认为5类模型没有提供3类之外的任何内容。在三级模型中，有一类广泛的吸毒者(16%)、以大麻、罂粟、迷幻剂和可卡因为主的中度吸毒者(40%)，还有一类以酒精和大麻为主的轻度吸毒者(44%)。5级模型将前两组分成较小的子组，但你必须决定这些分裂对你的研究是否重要--它们对你的研究问题是否有意义。

我还建议检查二元残差。有可能模型不合适，这意味着更多的类是由您的指标之间的残余关联生成的。如果你能从理论上证明它是正确的(例如，通过找出潜在类以外的指标之间的一些相似之处)，你就可以添加残差关联，并得到与3类模型类似的良好拟合。

最后一点，避免将AIC用于LCA --这是一个非常糟糕的指数！改用cAIC、BIC和aBIC。AIC不正确的样本大小，这可能是相当大的样本问题。

源

Collins，L.M.，& Lanza，S.T.(2010年)。潜类和潜移性分析:在社会、行为和健康科学中的应用。纽约:威利。