单步法在建模时一次完成测量模型和结构模型的参数估计，协变量的纳入和剔除会影响模型估计结果，当存在较多协变量时，操作性较差。首先对协变量进行编码（race：1＝提格里尼亚族，0＝其他；gender：1＝男，0＝女；pedu：父母是否至少有一方拥有大学及以上文凭，1＝是，0＝否；urban：1＝城市，0＝农村；growup：是否由父母陪伴长大，1＝是，0＝否）。根据无条件LCA的结果，选择三个潜类别作为因变量，指定类别2作为参照组，采用无序多分类logistic回归（multinominal logistic regression）来探讨不同潜类别的影响因素。
SAS程序：
proc lca data＝exe 10＿3；
nclass 3；
items ACE1－ACE13；
categories 2 2 2 2 2 2 2 2 2 2 2 2 2；
covariates race pedu gender urban growup；
seed 941622；
reference 2；
run；(www.xing528.com)
SAS结果：
图10-9 潜类别概率和条件概率（单步法）
图10-10 协变量的β估计值（单步法）
图10-11 协变量的OR（95% CI）估计值（单步法）
SAS结果解释：
图10-9显示了条件概率和类别概率，图10-10和图10-11分别显示了协变量的β估计值和OR（95% CI）估计值。与类别2相比，男大学生（β＝1.5992，OR＝4.9492，95% CI＝2.6767－9.1508）被分配到类别3的概率是女大学生的4.9492倍，与类别2相比，父母陪伴长大的大学生（β＝－5.3949，OR＝0.0045，95%CI：0.0008－0.0266）被分配到类别3的概率较低。其他协变量均无统计学意义。与无条件LCA相比，协变量的纳入确实影响了模型的潜类别概率和条件概率，使得最优模型的选择更为困难，不易被研究者理解，因而实际应用较少。
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。
