Zusammenfassung
Die Analyse latenter Klassen ist ein multivariates Verfahren zum Auffinden latenter Klassen. Es wird angenommen, dass den Daten hinsichtlich ausgewählter Merkmale Y k – den so genannten Klassifikationsmerkmalen, Indikatoren oder Klassifikationsvariablen – eine bestimmte Anzahl J von unbekannten latenten Klassen j (j = 1, . . . , J) zugrunde liegt. Jede latente Klasse j ist mit einem Anteil von πj in der Stichprobe bzw. Grundgesamtheit vertreten und durch bestimmte Verteilungsparameter Δ Yjk (z. B. Anteils- oder Mittelwerte) in den Klassifikationsmerkmalen Y k bzw. im allgemeinen Fall durch unterschiedliche Parameter (funktionale Zusammenhänge, Verteilungsparameter usw.) gekennzeichnet. Jede Person bzw. jedes Objekt i (i = 1, . . . , n) gehört mit einer bestimmtenWahrscheinlichkeit π j|i einer latenten Klasse j (j = 1, . . . , J) an. Beim Auffinden von latenten Klassen bzw. beim Lösen einer Klassifikationsaufgabe sind folgende Fragestellungen zu beantworten: (1.) Wie viele latente Klassen J lassen sich auf Basis der ausgewählten Klassifikationsmerkmale Y k auffinden? (2.) Durch welche Verteilungsparameter Δ Yjk in den Klassifikationsmerkmalen sind die latenten Klassen gekennzeichnet? Wie groß sind die Anteilswerte π j der gefundenen latenten Klassen in der Stichprobe bzw. in der Grundgesamtheit? (3.) Lassen sich die latenten Klassen inhaltlich sinnvoll interpretieren? (4.) Sind die gefundenen latenten Klassen stabil und valide? Die Lösung dieser Klassifikationsaufgabe mittels Analyse latenter Klassen wird für ein Beispiel aus der Sozialstrukturanalyse verdeutlicht. Als Statistikprogramm wird LatentGOLD eingesetzt, das eine breite Palette von Modellen enthält. Besonderer Wert wird auf die Erfordernisse der praktischen Anwendung gelegt. Ausführlich diskutiert werden daher Probleme der Bestimmung der Zahl der latenten Klassen und die Validierung der Ergebnisse.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Bacher, J. (1996). Clusteranalyse. Anwendungsorientierte Einführung. München: Oldenbourg.
Bacher, J., Wenzig, K., & Vogler, M. (2004). SPSS TwoStep Cluster -A First Evaluation. Arbeits-und Diskussionspapiere 2004-2, Universität Erlangen-Nürnberg, Lehrstuhl für Soziologie. Letzter Zugriff 29.03.2010: www.soziologie.wiso.uni-erlangen.de/publikationen/a-u-d-papiere/a_04-02.pdf.
Fonseca, J. R. S. & Cardoso, M. G. M. S. (2007). Mixture-Model Cluster Analysis Using Information Theoretical Criteria. Intelligent Data Analysis, 11, 155–173.
Fraley, C. & Raftery, A. (2002). Model-Based Clustering, Discriminant Analysis, and Density Estimation. Journal of the American Statistical Association, 97, 611–631.
Frühwirth-Schnatter, S. (2006). Finite Mixture and Markov Switching Models. New York: Springer-Verlag.
Goodman, L. A. (1974). The Analysis of Systems of Qualitative Variables when Some of the Variables are Unobservable. Part i: A Modified Latent Structure Approach. American Journal of Sociology, 79, 1179–1259.
Hagenaars, J. A. & McCutcheon, A. (2002). Applied Latent Class Analysis. Cambridge: Cambridge University Press.
Lazarsfeld, P. F. & Henry, N. W. (1968). Latent Structure Analysis. Boston: Houghton Mifflin.
McLachlan, G. & Peel, D. (2000). Finite Mixture Models. New York: John Wiley.
Omran, M. G. H., Engelbrecht, A. P., & Salman, A. (2007). An Overview of Clustering Methods. Intelligent Data Analysis, 11, 583–605.
Reboussin, B. A., Edward, H. I., & Wolfson, M. (2008). Locally Dependent Latent Class Models with Covariates: An Application to Under-Age Drinking in the USA. Journal of Royal Statistical Society, 171, 877–897.
Uebersax, J. (2000). A Practical Guide to Local Dependence in Latent Class Models. Letzter Zugriff 29.03.2010: www.john-uebersax.com/stat/condep.htm.
Vermunt, J. K. (2003). Multilevel Latent Class Models. Sociological Methodology, 33, 213–239.
Vermunt, J. K. (2010). Latent Class Models. In E. Baker, P. Peterson, & B. McGaw (Hg.), International Encyclopedia of Education, Band 7 (S. 238–244). Oxford: Elsevier, 3. Auflage. Vermunt, J. K. & Magidson, J. (2005a). Latent GOLD 4.0: User's Guide. Letzter Zugriff 29.03.2010: http://www.statisticalinnovations.com.
Vermunt, J. K. & Magidson, J. (2005b). Technical Guide for Latent GOLD 4.0: Basic and Advanced. Letzter Zugriff 29.03.2010: www.statisticalinnovations.com.
Vermunt, J. K., Tran, B., & Magidson, J. (2008). Latent Class Models in Longitudinal Research. In S. Menard (Hg.), Handbook of Longitudinal Research: Design, Measurement, and Analysis(S. 373–385). Burlington: Elsevier.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Bacher, J., Vermunt, J.K. (2010). Analyse latenter Klassen. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_22
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_22
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)