潜在轮廓分析（LPA）我正在尝试寻找潜在概况分析（LPA），而不是潜在类别分析（LCA）。我有连续 Y 变量，正在检查潜在的结构分类变量。不寻找 K 均值、分层或其他聚类类型。谢谢。
高级统计建模基础数据分析和建模数据探索和可视化苹果系统回复：潜在轮廓分析（LPA）听起来您可能正在寻找结构方程模型 (SEM) 或者偏最小二乘法 (PLS)？两者都位于“分析/多元方法”菜单中。 （JMP 专业版）
回复：潜在轮廓分析（LPA）谢谢，但我正在寻找 LPA： https 
/www.sciencedirect.com/topics/psychology/latent-profile-analysis
它是 LCA，但使用连续变量而不是分类变量或序数变量。
回复：潜在轮廓分析（LPA）嗨@zacatlan ，
我认为将这张图片放在这里对于其他可能看到这篇文章的人来说是有用的，
“Normal Mixtures”平台进行潜在剖面分析。您可以在“分析”>“聚类”下找到它，
选择要用于启动平台的变量后，您会发现一个控制面板，允许您选择要提取的集群范围，以便您可以比较它们的适合度（基于 BIC 或 AICc）并决定哪个是最好的，
您应该考虑是否要将变量之间的协方差限制为零。如果这样做，您应该选中“对角线方差”框。这样做通常有助于模型估计（取决于数据）。高级控制允许您更改随机开始（游览）的数量，以确保您不会出现局部解决方案。
获得聚类解决方案后，您会发现使用红色小三角菜单选项查看双图和平行坐标图很有用，
最后，您还可以在在线文档中找到有用的示例：
https://www.jmp.com/support/help/en/17.2/#page/jmp/normal-mixtures.shtml#
哈特哈，
～劳拉
回复：潜在轮廓分析（LPA）非常感谢您的解释和指示。这正是我所寻找/希望的。我首先尝试在 LCA 平台中输入连续变量，但当然不行，这让我很担心。当我搜索“潜在特征分析”一词时，我一直找不到答案。聊天 GPT 告诉我它在那里，但可能被称为其他名称。谢谢你告诉我在哪里。我想知道 JMP 是否维护一种术语表，它可以将许多不同的分析名称等同起来，并指定 JMP 使用哪一个。或者，你能告诉我你发布的图片来自哪里吗？这是 JMP 图表/地图吗？非常感谢。
回复：潜在轮廓分析（LPA）IMO，在 JMP 中查找可能具有不同名称的分析的最佳方法是在“帮助”菜单中的“搜索 JMP”下查看，
不幸的是，潜在概况分析仍然不会出现在这里（但我会传递该反馈以确保它在将来出现！）。我们通常尝试在统计技术的描述中使用多个术语，以便搜索 JMP 引擎能够找到它们。搜索 JMP 是一项很棒的功能，因为它还能准确地向您展示如何访问您要查找的内容。当然，JMP 社区也是一个很好的工具，可以让您提出问题并获得所需的答案 
。
就我粘贴的图像而言，这是我不久前在博客文章中解释这些概念时制作的图像。如果您向下滚动到评论，您可以在这里找到它：
https://community.jmp.com/t5/JMP-Blog/Principal-components-or-factor-analysis/ba-p/38347
哈特哈，
～劳拉
回复：潜在轮廓分析（LPA）嗨劳拉，
还有一个问题是关于 JMP 如何处理 LPA 分析并提供结果。对一系列可能的聚类运行分析后，我显示的拟合统计数据是 BIC、AICc 和 -LogLikelihood。看来 JMP 建议仅基于 BIC 和 AICc 的最佳聚类解决方案。然而，Chatbot 告诉我，JMP 还提供了熵测量（与其他软件包一样）和 Hosmer-Lemeshow (HL) 测试的结果来进行比较。最后两个我没有看到。我读到，熵是根据每个集群解决方案摘要下提供的不同“比例”数字以某种方式计算出来的，但对于 LPA 的计算方式，网上存在一些分歧。您知道 JMP 是否也为我们提供这两个拟合统计数据，尽管 BIC 和 AIC 可能是最可靠的？谢谢，
