【摘要】：SAS程序：proc lca data＝exe 10＿2；nclass 3；items ACE1－ACE13；categories 2 2 2 2 2 2 2 2 2 2 2 2 2；seed 941622；groups gender；groupnames male female；run；SAS结果：图10-8多组分析的潜类别概率和条件概率SAS结果解释：由于篇幅限制，本书只列出了男大学生和女大学生回答“是”的条件概率。卡方检验显示，G2的差值具有统计学意义，说明Model 2优于Model 1。G2、AIC、Entropy均提示Model 2优于Model 1，而BIC和aBIC结果则相反。因此，综合考虑以上信息，我们更倾向于选择简洁的模型，即Model 2。
SAS程序：
proc lca data＝exe 10＿2；
nclass 3；
items ACE1－ACE13；
categories 2 2 2 2 2 2 2 2 2 2 2 2 2；
seed 941622；
groups gender；
groupnames male female；
run；(www.xing528.com)
SAS结果：
图10-8 多组分析的潜类别概率和条件概率（条件概率自由估计）
SAS结果解释：
由于篇幅限制，本书只列出了男大学生和女大学生回答“是”的条件概率。进一步的，我们对上面运行的两种模型的拟合指数进行简单的比较，结果见表10-7。不同指标之间最优模型的选择不一致。卡方检验显示，G2的差值具有统计学意义，说明Model 2（条件概率自由估计）优于Model 1（条件概率等值）。G2、AIC、Entropy均提示Model 2优于Model 1，而BIC和aBIC结果则相反。当结果不一致时，需要进一步比较不同性别的条件概率，发现性别差异较小。当自由度较大时（G2偏离卡方分布），因此AIC、BIC和aBIC在模型选择时优于G2的差值。因此，综合考虑以上信息，我们更倾向于选择简洁的模型，即Model 2（条件概率等值）。
表10-7 分组分析两种模型的拟合指数比较
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
