潜在类别模型的原理与技术

潜在类别模型是探讨潜在变量的模型化分析技术。它与一般常用的因素分析或结构方程模型的*不同在于变量的形式：因素分析处理的是连续变量；潜在类别分析处理的是类别变量。正因为潜在类别模型以类别数据作为素材，补足了潜在变量模型的一个缺口，为社会科学研究者面对俯拾即是的类别数据提供了一种更强而有力的分析工具。最重要的是，潜在类别分析把类别数据与潜在变量的观念加以结合，提高了类别变量的分析价值，也使得社会科学研究者可以一窥潜在类别背后的实证意义，在方法学上具有重要的价值。
为了适合初学者自行研读，本书仅对潜在类别模型的原理进行介绍，并利用Mplus与LatentGOLD两套软件进行范例说明。除了基本的探索性潜在类别分析，本书范例涵盖了验证性、多样本、多因子、度量模型的潜在类别分析，可以说对于潜在类别模型的基本应用进行了完全的阐述。本书可作为大专院校和科研机构中的学生、教职员、研究人员进入潜在类别模型领域的*导读与研习用书。

邱皓政，1995年获美国南加州大学(University of Southern California)博士学位，主修心理计量学，台湾“辅仁大学”心理学学士与硕士。研究兴趣为工业与组织心理学、统计方法与多变量应用技术、心理测验学、创造力与组织创新研究等，专长议题为结构方程模型与多变量统计方法。

第一章 引论
第一节 导论
　　如果说近二十年来，统计原理与技术对于社会科学研究最大的冲击是什么，最重要的应该是潜在变量模型（1atent variable modelin9，LVM）的蓬勃发展。主要的理由之一是社会科学研究所关心的研究议题多与抽象而且无法直接观察的特质有关，为了进行测量与分析，我们往往使用一些间接测量的方法，获得片面的数据，然后利用潜在变量的概念来整合这些间接测量数据，进而掌握抽象特质的状态。
以社会学研究中的重要概念社经地位（socioeconomic status，SES）为例，我们或许可以利用收入、教育程度或是职业声望来了解人们在社会上的地位或影响力的高低，但是这三者都只涉及了社经地位的部分概念，并不能代表社经地位这个概念的全貌，更重要的是社经地位是一个由学者基于理论基础所提出的抽象概念，客观上无法直接测量其高低，必须借由可测量的外显变量（mani—fest variables）或指标（indicators）来定义出一个潜在变量以表示社经地位的状态。
LVM受到重视的另一个重要理由是社会科学所探究的课题是复杂的人类行为经验与社会现象，研究者所搜集到的资料往往是片段、交错复杂的数据，这些原始数据必须进一步加以整理，化简成为清楚明确的研究变量以进行后续的统计分析，进而能够对于现象进行解释。20世纪70年代以来盛行的主成分分析与因素分析，最重要的一个功能就是可以协助研究者将一堆测量数据整合、萃取出少数的几个主成分（component）或因素（factors）来进行精简、有效率的分析。LVM不仅可以协助研究者进行抽象概念的研究，也可以协助进行数据化简与整合等这种不需要理论基础，纯粹是一种探索性的数据处理作业。
换言之，LVM不仅可以从事数据化简的探索性（exploratory）作业，也可以配合研究者的议题内涵与理论需求，进行验证性（confirmatory）研究，加上计算机普及与功能提升的优势条件，以模型为基础（model—based）的统计技术与软件应运而生，促成LVM近年来的大鸣大放，未来仍有相当开阔的发展空间。
　　……