10.4.1.1 简单三步法
简单三步法虽然过程简单，但由于未处理分类误差，容易低估潜类别和结局变量之间的关系。但简单三步法的优势是在探讨潜类别对因变量影响时，可以控制其他协变量。
SAS程序：
SAS结果：
SAS结果解释：
图10-17表明，在控制其他协变量后，男大学生抑郁水平均值较低（β＝－0.4212，p＜0.001），与低风险组相比，高风险组（β＝0.6223，p＜0.001）的大学生抑郁水平均值较高。
10.4.1.2 BCH法
BCH法最早由Block，Croon＆Hagenaars（2004）提出，只适用于分类结局变量，随后Vermunt（2010）和Vermunt＆Magidson（2015）对该方法进行了改善，亦可应用于连续型结局变量。第一步，在不纳入结局变量的情况下进行LCA。第二步，依据后验概率进行加权，主要方法有非调整的莫代尔分配法（unadjusted modal assignment）、BCH-调整的莫代尔分配法（BCH-adjusted modal assignment）、非调整的比例分配法（unadjusted proportional assignment）、BCH-调整的比例分配法（BCH-adjusted proportional assignment）。第三步，根据权重变量计算结局变量在每个类别内的均值（连续型结局变量）或概率（分类结局变量）。BCH每次只纳入一个结局变量，如果对其他结果变量感兴趣，需要单独运行其他模型（Dziak et al，2017）。
SAS程序：
%INCLUDE
"C:＼Users＼Administrator＼Desktop＼LCA＼SAS＼LCA＿Distal＿BCH＿v110-1-10jyv0q＼LCA＿Distal＿BCH＿v110.sas"；
proc lca data＝exe 10＿4 outparam＝conti＿param outpost＝conti＿post；
id ID；
nclass 3；
items ACE1－ACE13；
categories 2 2 2 2 2 2 2 2 2 2 2 2 2；
seed 941622；
RHO prior＝1；
nstarts 20；
maxiter 5000；
criterion 0.000001；
run；
%LCA＿Distal＿BCH(input＿data＝a，
param＝conti＿param，
post＝conti＿post，
id＝ID，
distal＝ZC，
metric＝Continuous)；
SAS程序解释：
首先，从https：//www.methodology.psu.edu/downloads/distal/下载并调用LCA＿Distal＿BCH＿v110.sas宏。通过maxiter指定最大迭代次数，distal指定结局变量名，metric指定结局变量的类型，可以是二分类变量（binary），连续型变量（continuous），计数变量（count），分类变量（categorical），在本例中为连续型变量。
SAS结果：
图10-18 BCH估计的抑郁水平的均值、标准误、95% CI
(www.xing528.com)
图10-19 Wald卡方检验
SAS结果解释：
图10-18展示了BCH估计的不同类别的大学生抑郁水平的均值、标准误、95% CI。图10-19通过Wald卡方检验比较了不同类别的大学生抑郁水均值的差异。具体来说，与高风险组相比，低风险组和暴力组中的大学生抑郁水平均值较低，差异具有统计学意义。
10.4.1.3 LTB法
LTB法最早由Lanza，Tan，＆Bray（2013）提出，后进一步发展适用于连续型、二分类、多分类、计数类型的结局变量。当连续型结局变量的方差在不同类别内相等时，LTB法的估计是无偏的。但当存在异方差时，BCH法比LTB法更稳健、偏倚更小（Bakk＆Vermunt，2016）。目前，LTB实际应用较少，主要用于和BCH法的结果进行比较（Dziak，et al.，2017）。从https：//www.methodology.psu.edu/downloads/distal/下载并调用LCA＿Distal＿LTB＿v110.sas宏。
SAS程序：
%INCLUDE
"C:＼Users＼Administrator＼Desktop＼LCA＼SAS＼LCA＿Distal＿LTB＿v110-1-spex7u＼LCA＿Distal＿LTB＿v110.sas"；
pro lcadata＝exe 10＿4 outparam＝Conti＿param；
id ID；
nclass 3；
items ACE1－ACE13；
categories 2 2 2 2 2 2 2 2 2 2 2 2 2；
covariates ZC；
seed 941622；
RHO prior＝1；
nstarts 20；
maxiter 5000；
criterion 0.000001；
run；
%LCA＿Distal＿LTB(input＿data＝a，
param＝Conti＿param，
distal＝ZC，
metric＝2，
output＿data set＿name＝Conti＿res)；
SAS程序解释：
首先将结局变量作为协变量纳入LCA，通过metric指定结局变量类型，metric＝1表示二分类结局变量，metric＝2连续型结局变量，metric＝3表示计数结局变量，metric＝4表示分类结局变量，在本例中结局变量为连续型变量。
SAS结果：
图10-20 β系数估计值（标准误）
图10-21 OR估计值（95% CI）
图10-22 β系数的p值
SAS结果解释：
图10-20、图10-21和图10-22分别展示了β系数估计值（标准误）、OR值（95% CI）及p值。与暴力组相比，高风险组中的大学生抑郁水平均值更高（β＝0.5841，OR＝1.7934，p＜0.001）。
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。
