调查分析是否通过潜在类别分析得到信息？你好，
我正在与客户讨论是否可以使用潜在类别分析来通知调查分析。
想象一下，你对“信任”有什么疑问，答案是“非常”、“有些”、“不太信任”、“一点也不信任”、“拒绝”。然后你还有很多其他问题，比如个人习惯、对公共组织的信心、当地社区、整个国家的具体信息、健康、购买模式等等，这些问题来自其他研究，不一定相互关联，人口统计。例如，这是在 2016 年皮尤研究中心的美国趋势小组中完成的。其他人说，有些问题都得到了，有些问题只得到了一个子组，而其他问题得到了另一个子组，等等。
在研究其他问题的细节之前，先按所有必须回答的问题进行聚类是否有意义？我考虑使用潜在类别聚类作为预备步骤，然后使用聚类进行 MCA、分类、建模等操作。
Jian 有一个很好的调查分析示例，他使用因子分析从调查中获取可以与汽车属性关联的预测因子。我认为这有点类似。
然而我不确定的是：这在统计上是否正确，或者我是否触及了我应该注意的任何假设？例如，进行潜在类别分析，然后进行分类分析，可能是我通过潜在类别群集添加了一些偏差或不必要的权重？
我知道这是一个更普遍的问题，但如果这是可行的，那么你可以结合来自不同来源的调查，只要你能将参与者链接到那些一般集群，并从一个主题得出结论，对于参与者来说完全不同的主题，而无需询问这个人关于不同的主题，因为这个人属于一个集群（比如比其他人更自信），可以与第二个调查的结论联系起来（当地学校是否存在问题，......）。
（老实说，这有点吓人，因为您可能不必回答任何问题，但可能会根据其他人的答案进行评级，但对于世界上的那些 googes 和 amazones 来说，这可能已经是事实了）。
长话短说：是否有任何统计原因不遵循这种方法？
谢谢，
马丁
附上上述研究的一些数据。共有三份表格，每份表格都有几个问题。更多信息和表格可以在这里找到：下面是我的第二个回复，是 users2 驱动器的链接
回复：通过潜在类别分析了解调查分析？嗨，Jian，
感谢您的想法。因此，使用 LCA 作为分类分析的 X 是可以的。对于建模的使用则不行。这已经很有帮助了！
我附加了清理和修改后的数据表，并尝试使分组变量尽可能易于描述，以便于理解。
我已将您看不到的文件放在用户驱动器上：\\jmpsmd\Users2\Demel\Community
回复：通过潜在类别分析了解调查分析？马丁，
LCA 根据受试者对一组分类问题的回答将他们分组。例如，使用您的数据，您可以根据参与者对调查中知识问题的回答对他们进行聚类，或根据信心问题对他们进行聚类。换句话说，聚类与他们对一组问题的回答有关；您可能会看到两个处于同一信心聚类中的受试者出现在两个不同的知识聚类中。
当然，你可以用知识问题得出的聚类结果来绘制置信度问题（或任何其他变量）。这就像将它们用作补充变量一样。
与 PCA、FA 和 fPCA 不同，我认为 LCA 不可用于建模的数据准备。
我是否误解了你的问题？
顺便说一句，我无法找到您在 One Drive 文件夹中放置的表格。
