| 均值分割 | 聚类分析 | LPA | 优势 | 简单; 事先确定分组, 有利于指导假设提出。 | 相比于均值分割较为灵活; 对于总体样本, 基于客观指标的分类效率高。 | 采用更加严格稳健的统计标准来确定分类数量, 更加客观; 适用于分析不同类型量表的数据, 不需要进行数据转换; 基于概率将个体分布在各个子群体上。 | 劣势 | (1)不同样本均值不同, 难以进行跨样本比较; (2)简单划分高低组过于简单化了个体差异, 难以满足群体内同质性; (3)强制划分群体可能不符合实际; (4)可能遗漏潜在的子群体。 | (1)通过最小化组内差异、最大化组间差异确定分组数量; (2)模型选择、组数量确定有较强的主观性; (3)假设变量间彼此独立、分类变量服从多项分布、连续变量服从正态分布。 | (1)对样本量敏感, 大样本可能会提取更多类别; (2)在非线性情况下, 可能会存在过量提取数量; (3)可能出现各个拟合指标冲突, 难以确定最终剖面数量。 |
|