潜在类别分析减少观察次数？

【问题标题】：Latent class analysis decreasing number of observations?潜在类别分析减少观察次数？
【发布时间】：2019-01-20 10:47:36
【问题描述】：

我正在尝试对一项大型民意调查进行潜在类别分析，但我遇到了一个问题，即潜在类别结束时的观察数量少于最初的观察数量数据。这阻碍了我的分析，因为我想将类特征变量附加到我的原始数据集并运行一些统计数据/制作图表。

下面是代码的一个小 sn-p，其中 ur 是我要在其上运行 LCA 的数据集。问题是，当我创建 ur 时，我得到了一个 1948 obs 的数据集，而在潜在类之后，我返回了一个 1943 obs 的集合。

ur

f

lca2

此外，潜在类中包含的所有列出的问题都包含在指定的 91:104 dat 范围内。

我该如何解决这个问题？

谢谢！

【问题讨论】：

标签： r

【解决方案1】：

默认情况下，poLCA 会忽略缺少任何清单变量的情况。它还省略了缺少任何协变量的情况。这称为“逐个删除”，它是处理缺失值的最常见方法。这似乎是最有可能的失败案例的解释。

poLCA 命令选项是：-

poLCA(formula, data, nclass = 2, maxiter = 1000, graphs = FALSE, 
      tol = 1e-10, na.rm = TRUE, probs.start = NULL, nrep = 1, 
      verbose = TRUE, calc.se = TRUE)

帮助文件说：-

na.rm

逻辑，关于 poLCA 如何处理清单变量中缺少值的情况。如果为 TRUE，则在估计模型之前删除这些案例（按列表删除）。如果为 FALSE，则保留具有缺失值的案例。始终删除缺少协变量的案例。默认值为 TRUE。

我认为设置

na.rm = FALSE

会将清单变量（但不包括协变量）的所有缺失值的记录保留在其中。

【讨论】：