Logo Logo
Help
Contact
Switch Language to German
Gollwitzer, Mario ORCID: 0000-0003-4310-4793 (2020): Latent-Class-Analyse (LCA). In: Moosbrugger, Helfried; Kelava, Augustin (eds.) : Testtheorie und Fragebogenkonstruktion. 3. Auflage. Heidelberg: Springer. pp. 547-574
Full text not available from 'Open Access LMU'.

Abstract

Während Latent-Trait-Modelle auf der Annahme beruhen, dass es sich bei dem zu messenden latenten Personenmerkmal um eine quantitative Variable handelt, sind Latent-Class-Modelle immer dann geeignet, wenn das latente Personenmerkmal qualitativer Natur ist (beispielsweise die Zugehörigkeit zu einem bestimmten Persönlichkeitstyp). Mit einer LCA kann die Wahrscheinlichkeit ermittelt werden, mit der eine Person, die auf Items ein Antwortmuster produziert, einer bestimmten latenten Klasse angehört. Die Anzahl der latenten Klassen in der Population ist unbekannt und muss theoriegeleitet vorgegeben oder empirisch über einen Vergleich mehrerer Modelle mit unterschiedlicher Klassenanzahl ermittelt werden. Alle anderen Modellparameter können empirisch aus den Daten geschätzt werden. Im Sinne der Modellannahmen wird Folgendes vorausgesetzt: 1. Die Antwortwahrscheinlichkeiten auf den m Items müssen für alle Personen innerhalb einer latenten Klasse identisch sein, 2. innerhalb einer latenten Klasse muss die lokale stochastische Unabhängigkeit erfüllt sein und 3. die latenten Klassen müssen disjunkt und exhaustiv sein. Die Anwendung einer LCA ist insbesondere dann sinnvoll, wenn 1. das Ziel der Analyse die Klassifikation von Personen ist, 2. es nicht möglich oder sinnvoll ist, über Items hinweg Summenwerte zu bilden, sondern lediglich die Antwortmuster (Profile) auszuwerten, oder 3. das Ziel der Analyse darin besteht, ein bestimmtes typologisches Modell zu testen (z. B. ob die Unterschiede im Antwortverhalten der Testpersonen auf die theoretisch vermuteten Persönlichkeitstypen rückführbar sind). Die Güte eines LCA-Modells kann mithilfe eines Likelihood-Ratio-Tests, eines „klassischen“ χ2-Tests, eines Bootstrap-Verfahrens oder anhand von Informationskriterien beurteilt werden. Einem LCA-Modell können bestimmte Restriktionen (z. B. Fixierungs-, Gleichheits- oder Ordnungsrestriktionen) auferlegt werden. In diesem Fall wird aus der „exploratorischen“ LCA eine „konfirmatorische“ LCA. Im Fall von geschachtelten Modellen („nested models“) kann ein restringiertes Modell eines Likelihood-Ratio-Tests direkt gegen ein unrestringiertes Modell getestet werden.