Ermittlung idealtypischer Merkmalskonfigurationen: Die Latent Class Analyse

Zusammenfassung

Eine sehr allgemeine Definition der Latent Class Analysis (LCA) lautet: Die LCA ist ein statistisches Verfahren, das multivariate Zusammenhänge zwischen manifesten, kategorialen Variablen durch die Berücksichtigung latenter, kategorialer Variablen aufzuklären versucht. Damit verfolgt die LCA ein ähnliches Ziel wie clusteranalytische Verfahren (CLA) (Kap. 4.5), nämlich die Klassifikation von Objekten. Der wesentliche Unterschied läßt sich dabei auf zwei Punkte reduzieren: Erstens sind die Variablen, anhand derer die Klassifikation vorgenommen wird, nicht metrisch, sondern es handelt sich um kategoriale oder ordinale Variablen. Zweitens wird nicht eine manifeste Klasseneinteilung gesucht, bei der jedes Objekt genau einer Klasse zugeordnet wird, sondern es werden idealtypische Muster der Merkmalsausprägungen ermittelt, von denen jedes beobachtete Merkmalsmuster nur eine mehr oder weniger fehlerbehaftete Realisation darstellt. Daher spricht man von latenten Klassen.