잠재 프로파일 분석(LPA)잠재클래스분석(LCA)이 아닌 잠재프로파일분석(LPA)을 찾으려고 합니다. 잠재 구조 범주형 변수를 조사하는 연속 Y 변수가 있습니다. K-평균, 계층적 또는 기타 클러스터링 유형을 찾지 않습니다. 감사합니다.
고급 통계 모델링기본 데이터 분석 및 모델링데이터 탐색 및 시각화맥 OS답변: 잠재 프로파일 분석(LPA)구조 방정식 모델링(SEM)이나 부분 최소 제곱법(PLS)을 찾고 계시나요? 둘 다 분석/다변량 방법 메뉴에 있습니다. (JMP 프로)
답변: 잠재 프로파일 분석(LPA)고마워요. 하지만 LPA를 찾고 있어요: https://www.sciencedirect.com/topics/psychology/latent-profile-analytic
LCA이지만 범주형이나 순서형 대신 연속형 변수를 사용합니다.
답변: 잠재 프로파일 분석(LPA)안녕하세요 @zacatlan 님 ,
이 게시물을 보게 될 다른 사람들을 위해 여기에 이 이미지를 놓는 것이 유용하다고 생각합니다.
"Normal Mixtures" 플랫폼은 잠재 프로파일 분석을 수행합니다. 분석 > 클러스터링에서 찾을 수 있습니다.
플랫폼을 시작하는 데 사용할 변수를 선택한 후 추출할 클러스터 범위를 선택할 수 있는 제어판을 찾을 수 있으므로 해당 적합성을 비교하고(BIC 또는 AICc 기반) 가장 적합한 것을 결정할 수 있습니다.
변수 간의 공분산을 0으로 제한할지 여부를 고려해야 합니다. 그렇다면 "대각선 분산" 상자를 선택해야 합니다. 이렇게 하면 모델 추정에 도움이 되는 경우가 많습니다(데이터에 따라 다름). 고급 제어를 사용하면 무작위 시작(투어) 횟수를 변경하여 로컬 솔루션에 도달하지 않도록 할 수 있습니다.
클러스터 솔루션이 있으면 빨간색 삼각형 메뉴 옵션을 사용하여 Biplot 및 평행 좌표 플롯을 보는 것이 유용하다는 것을 알게 될 것입니다.
마지막으로 온라인 문서에서도 유용한 예제를 찾을 수 있습니다.
https://www.jmp.com/support/help/en/17.2/#page/jmp/normal-mixtures.shtml#
HTH,
~로라
답변: 잠재 프로파일 분석(LPA)설명과 안내 정말 감사드립니다. 이것이 바로 내가 찾거나 바랐던 것입니다. 처음에는 LCA 플랫폼에서 연속형 변수를 대치하려고 시도했지만 당연히 진행되지 않아 걱정이 되었습니다. 그리고 잠재 프로필 분석이라는 용어를 검색할 때 계속 공백이 나타났습니다. Chat GPT는 그것이 거기에 있다고 말했지만 아마도 다른 이름으로 불렸을 것입니다. 어디인지 알려주셔서 감사합니다. 다양한 분석 이름을 동일시하고 JMP에서 사용하는 분석 이름을 지정하는 JMP에서 관리하는 용어집 유형이 있는지 궁금합니다. 아니면 게시한 이미지의 출처를 알려주실 수 있나요? 이것은 JMP 다이어그램/지도입니까? 많은 감사를 드립니다.
답변: 잠재 프로파일 분석(LPA)IMO에서는 이름이 다를 수 있는 JMP 분석을 찾는 가장 좋은 방법은 도움말 메뉴의 JMP 검색을 살펴보는 것입니다.
불행하게도 잠재 프로필 분석은 여전히 여기에 나오지 않습니다. (그러나 앞으로는 그렇게 되도록 피드백을 전달하겠습니다!) 우리는 일반적으로 이 검색 JMP 엔진이 통계 기술을 찾을 수 있도록 통계 기술 설명에 여러 용어를 사용하려고 합니다. 검색 JMP는 원하는 항목에 액세스하는 방법을 정확하게 보여주기 때문에 훌륭한 기능입니다. 물론, JMP 커뮤니티는 질문을 하고 필요한 답변을 얻을 수 있는 훌륭한 도구이기도 합니다 
.
제가 붙여넣은 이미지는 제가 얼마 전 블로그 게시물에서 이러한 개념을 설명하기 위해 만든 이미지입니다. 댓글까지 아래로 스크롤하면 여기에서 찾을 수 있습니다.
https://community.jmp.com/t5/JMP-Blog/Principal-comComponents-or-factor-analytic/ba-p/38347
HTH,
~로라
답변: 잠재 프로파일 분석(LPA)안녕 로라,
JMP가 LPA 분석을 처리하고 결과를 제공하는 방법에 대해 질문이 하나 더 있습니다. 가능한 클러스터 범위에 대해 분석을 실행한 후 표시되는 적합 통계는 BIC, AICc 및 -LogLikelihood입니다. JMP는 BIC & AICc만을 기반으로 한 최고의 클러스터링 솔루션을 제안하는 것 같습니다. 그러나 Chatbot에서는 JMP가 엔트로피 측정값(다른 패키지와 마찬가지로)과 비교를 위한 Hosmer-Lemeshow(HL) 테스트 결과도 제공한다고 알려줍니다. 마지막 두 개는 보이지 않습니다. 엔트로피는 각 클러스터 솔루션 요약에 제공된 다양한 "비율" 숫자에서 계산된다는 내용을 읽었지만 온라인에서는 LPA에 대해 이 작업이 수행되는 방식에 대해 약간의 의견 차이가 있습니다. BIC와 AIC가 가장 신뢰할 수 있음에도 불구하고 JMP가 이 두 가지 적합 통계도 제공하는지 알고 계십니까? 감사해요,
