Latent-Class-Analyse: ein Klassifikationsverfahren bei qualitativen Merkmalen

Gegenstand dieses Buches ist die Latent-Class-Analyse (LCA), ein multivariates Klassifikationsverfahren, das als Alternative zur herkömmlichen Clusteranalyse bei Vorliegen qualitativer Merkmale betrachtet werden kann, falls nur wenige beobachtete Merkmale vorliegen. Ursprünglich für dichotome Variablen entwickelt, lassen sich die Methoden leicht auf polychotome Merkmale übertragen, sogar für die Analyse ordinalskalierter Variablen finden sich Entwicklungstendenzen innerhalb der LCA – die insbesondere im Bereich der Wirtschaffswissenschaften (z.B. Absatzforschung) vorliegen. Bei weiterer Entwicklung der Latent- Class-Analyse in diese Richtung könnte der üblicherweise auftretende Informationsverlust durch Niveauregression bzw. die durch Niveauprogression unangemessene Behandlung qualitativer Merkmale als quantitative Variablen eingeschränkt oder sogar vermieden werden. Die Autorin stellt die LCA ausführlich anhand von Beispielen dar, wobei sie nach einer Einführung in die Latent- Class-Analyse und der eingehenden Betrachtung des Grundmodells für binäre Merkmale (unrestringierte LCA), die auch die Frage der Modellgeltung und der Identifizierbarkeit der Parameter einschließt, zuerst auf die in der Praxis am häufigsten benötigte Variante der restringierten Latent-Class-Modelle eingeht. Anschließend wird die lineare logistische LCA betrachtet, die aus der Kombination einer der Schätzmethoden im unrestringierten Modell und der Einführung zusätzlicher Restriktionen hervorgeht. Zum Schluß werden wichtige Erweiterungen der ursprünglichen LCA behandelt: die LCA bei Vorliegen polychotomer oder ordinalskalierter Merkmale.