潜在プロファイル分析 (LPA)潜在クラス分析（LCA）ではなく、潜在プロファイル分析（LPA）を見つけようとしています。潜在構造カテゴリ変数を調べている連続 Y 変数があります。 K 平均法、階層型、またはその他のクラスタリング タイプは求めません。ありがとう。
高度な統計モデリング基本的なデータ分析とモデリングデータの探索と視覚化マックOSRe: 潜在プロファイル分析 (LPA)構造方程式モデリング (SEM) または部分最小二乗法 (PLS) をお探しのようですね。どちらも [分析/多変量メソッド] メニューにあります。 (JMPプロ)
Re: 潜在プロファイル分析 (LPA)ありがとう。LPA を探しています: https://www.sciencedirect.com/topics/psychology/latent-profile-analysis
これは LCA ですが、カテゴリ変数や順序変数ではなく連続変数を使用します。
Re: 潜在プロファイル分析 (LPA)こんにちは@zacatlan さん
この投稿に出会う可能性のある他の人のために、この画像をここにドロップすると役立つと思います。
「Normal Mixtures」プラットフォームは潜在プロファイル分析を行います。これは、[分析] > [クラスタリング] にあります。
プラットフォームの起動に使用する変数を選択すると、抽出するクラスターの範囲を選択できるコントロール パネルが表示され、クラスターの適合性 (BIC または AICc に基づく) を比較して、どれが最適かを決定できます。
変数間の共分散をゼロに制限するかどうかを検討する必要があります。その場合は、「対角分散」ボックスにチェックを入れる必要があります。そうすることは、(データによっては) モデルの推定に役立つことがよくあります。高度なコントロールを使用すると、ランダムな開始 (ツアー) の数を変更して、ローカル ソリューションに到達しないようにすることができます。
クラスター ソリューションを取得したら、赤い三角のメニュー オプションを使用してバイプロットと平行座標プロットを確認すると便利です。
最後に、オンライン ドキュメントには役立つ例もあります。
https://www.jmp.com/support/help/ja/17.2/#page/jmp/normal-mixtures.shtml#
HTH、
〜ローラ
Re: 潜在プロファイル分析 (LPA)説明と指示をありがとうございました。これはまさに私が探していた/望んでいたものです。最初に LCA プラットフォームに連続変数を代入してみましたが、当然ながら代入されず、心配していました。そして、潜在プロファイル分析という用語を検索すると、空白が何度も出てきました。チャットGPTは、それがそこにあると言いましたが、おそらく別の名前で呼ばれていました。場所を教えてくれてありがとう。 JMP によって管理されている、さまざまな分析名を同一視し、JMP が使用するものを指定する一種の用語集はあるのだろうかと疑問に思います。または、投稿した画像の出所を教えていただけますか?これは JMP の図/地図ですか?どうもありがとう。
Re: 潜在プロファイル分析 (LPA)IMO、JMP で別の名前を持つ可能性のある分析を見つけるための最善の方法は、[ヘルプ] メニューの [JMP の検索] を参照することです。
残念ながら、潜在プロファイル分析はまだここでは取り上げられません (ただし、将来的には確実に取り上げられるように、そのフィードバックは渡しておきます!)。通常、統計手法の説明では複数の用語を使用して、この検索 JMP エンジンがそれらの用語を見つけられるようにします。 Search JMP は、探しているものにアクセスする方法を正確に示してくれる優れた機能です。もちろん、JMP コミュニティは、質問をして必要な答えを得るのに最適なツールでもあります 
。
私が貼り付けた画像に関して言えば、これはブログ投稿でこれらの概念を説明するために少し前に作成したものです。コメントまで下にスクロールすると、ここで見つけることができます。
https://community.jmp.com/t5/JMP-Blog/Principal-components-or-factor-analysis/ba-p/38347
HTH、
〜ローラ
Re: 潜在プロファイル分析 (LPA)こんにちは、ローラさん
JMP が LPA 分析をどのように処理し、結果を提供するかについてもう 1 つ質問します。考えられるクラスターの範囲に対して分析を実行した後、表示される適合統計は BIC、AICc、および -LogLikelihood です。 JMP は BIC と AICc のみに基づいて最適なクラスタリング ソリューションを提案しているようです。ただし、チャットボットは、JMP が (他のパッケージと同様に) エントロピー測定値と、比較するための Hosmer-Lemeshow (HL) テストの結果も提供すると教えてくれました。最後の 2 つは見当たりません。エントロピーは、各クラスター ソリューションの概要で提供されるさまざまな「比率」数値から何らかの方法で計算されると読みましたが、これが LPA でどのように行われるかについては、オンラインでいくつかの意見の相違があります。 BIC と AIC が最も信頼できるとしても、JMP もこれら 2 つの適合統計を提供しているかどうかご存知ですか?ありがとう、
