LCA
LCA
Tanım
Örnek Vaka / Uygulama
Majör Depresif Bozukluk tanısı alan 500 hastanın DSM-5 semptomlarının (uyku bozukluğu, değersizlik hissi, yorgunluk vb.) varlığı-yokluğu verileri üzerinden LCA uygulanır. Analiz sonucunda, örneklemin iki farklı gizli sınıfa ayrıldığı görülür: Birinci sınıf 'atipik ve somatik belirti ağırlıklı' depresyon profili çizerken, ikinci sınıf 'melankolik ve bilişsel belirti baskın' bir profil sergiler.
Derin Analiz
LCA, çok değişkenli verilerdeki heterojenliği ele almak ve örneklemi niteliksel olarak farklı alt gruplara (gizli sınıflara) ayırmak amacıyla geliştirilmiş bir sonlu karışım modelleme (finite mixture modeling) tekniğidir. Geleneksel kümeleme analizlerinden farklı olarak, olasılıksal bir temele dayanır; bireylerin hangi sınıfa ait olduğu kesin bir şekilde değil, sınıf üyelik olasılıkları üzerinden hesaplanır. Psikometri, klinik psikoloji ve epidemiyolojide, tanısal kategorilerin ampirik olarak doğrulanmasında, komorbidite örüntülerinin tespit edilmesinde ve fenotipik alt tiplerin belirlenmesinde kritik bir analitik araç olarak işlev görür.
Etimoloji
İngilizce 'Latent Class Analysis' (Gizli Sınıf Analizi) ifadesinin kısaltmasıdır. Latince 'latens' (saklı, görünmeyen) ve Yunanca 'analysis' (çözümleme, parçalarına ayırma) kelimelerinin birleşiminden türetilmiş istatistiksel bir metodoloji tanımıdır.
Karıştırmayın
Faktör Analizi (FA) ve Gizli Profil Analizi (LPA). Temel ayırt edici fark şudur: Faktör analizi sürekli gözlenen değişkenlerden sürekli gizli yapılar (boyutlar) elde ederken, LCA hem gözlenen hem de gizli değişkenlerin kategorik olduğu durumlarda sınıflandırma yapar. Gizli Profil Analizi (LPA) ise LCA'nın sürekli gözlenen değişkenlere uyarlanmış versiyonudur.