潛類分析模型選擇

Question

進行潛類分析時，有時候信息標準（即AIC，BIC，aBIC）不會選擇相同的模型。在我對774名男男性行爲者進行的物質使用模式研究中就是這種情況。圖1顯示了每個潛在類別數量的擬合標準。 BIC和CAIC選擇三類模型（見圖2）。但是，aBIC選擇五類模型（見圖2）。

如何在這些情況下選擇模型解決方案？有沒有辦法選擇變量或摺疊變量以優化結果？

Answer 1

這是不容易的，選擇的類LCA的數量，但也有一些經驗法則，我遵循：基於Nylund, Asparouhov & Muthén (2007)

1. 要遵循BIC和自舉似然比檢驗（BLRT） 。即使那樣，他們也很少同意--BLRT會告訴你選擇一個更多班級的模型，BIC將會更保守，並且會提出更少的班級。但是，通過使用統計測試，這與您所能得到的一樣接近。
2. 依靠您模型的可用理論。尋找與你的理論知識潛在的差異，並試圖從理論中推斷出預計有多少類別。沒有黃金法則，LCA是一個好方法，但沒有理論就沒有意義。如果你沒有什麼理論，你可以做什麼來仔細檢查你的發現是將你的潛在變量與遠端結果（協變量）聯繫起來，你可能會有一些理論，看看它是否有效。例如，您懷疑您的某個潛在類將被一種性別所控制：將您的潛在變量與性別關聯並查看。簡約法則：簡單模型比複雜模型更受歡迎（Collins & Lanza，2010）。如果一個簡單的模型完成所有的工作，爲什麼選擇一個複雜的模型？

就你而言，我將從3類模型開始，因爲它是由BIC和簡約建議的。完成分析和解釋結果後，我會重新運行4/5班的模型，看看是否會達到實質上不同的結果 - 值得報道的東西，任何重要或矛盾的發現，我發現與3班模特。如果它只是增加了複雜性，但並不矛盾或改善我已經知道的，我會堅持3類模型。

看看結果，我認爲5類模型沒有提供超出3個類的任何東西。在三類模型中，你有一類廣泛吸毒者（16％），以大麻，罌粟，致幻劑和可卡因爲主的中度吸毒者（40％），最後是一類以酒精和大麻爲主的輕度使用者（44 ％）。 5級模型將前兩組分爲特定的較小子組，但您必須決定這些分組是否對您的研究很重要 - 無論這些分組對您的研究問題是否有意義。

我還建議檢查雙變量殘差。建議更多類別的模型錯配可能是由您的指標之間的殘餘關聯產生的。如果你可以在理論上證明它的正確性（例如，通過發現潛在類別之外的指標之間的某種相似性），則可以添加殘差關聯並獲得與3類別模型類似的良好擬合。

最後一點，完全避免使用AIC進行LCA - 這是一個性能很差的索引！改用cAIC，BIC和aBIC。 AIC不會校正樣本量，對於較大的樣本來說這可能會有問題。

源頭：

柯林斯，L.M。，&蘭扎，S.T。（2010）。潛類和潛在轉變分析：適用於社會，行爲和健康科學。紐約：威利。