6.2.6.1 擬似クラス(PC)法
PC法では潜在クラス変数を乗算して、潜在クラス変数と補助変数 auxiliary variables(共変量または他の結果)との関係をRubinの方法(1987)を用いて分析する。この解析手順は、第3章で示したように、二次解析で潜在クラス変数の妥当な値の複数のデータセットを使用するのと同様に、手動で行うことができます。しかし、PC法における多重代入(MI)とMIデータセットの解析は、VARIABLEコマンドのAUXILIARYオプションを使用することで、Mplusで自動的に実装することができる。コマンドで補助変数が(R)(すなわち、AUXILIARY = X(R))と指定された場合、PC法が実装され、変数Xは潜在クラス変数の共変量または予測変数として扱われる。連続補助変数Yが(E)として指定された場合(すなわち、AUXILIARY = Y(E))、PC法が実装され、変数Yを連続的なdistal outcomeとして扱い、クラス間のYの平均が検定される。R セッティングとEセッティングは、同じ分析では使用できない。PC法は、クラス分類が良好な場合にのみ有効であることに注意する(Clark and Muthén 2009)。したがって,この方法は方法論研究の目的でのみ推奨される(Asparouhov and Muthén 2014).
特別な理由がない限りはPC法はとってはいけないという話。
Rubin, D.B. (1987). Multiple Imputation for Nonresponse in Surveys. New York, NY: Wiley.
Clark, S. and Muthén, B. (2009). Relating latent class analysis results to variables not included in the analysis.
https://www.statmodel.com/download/relatinglca.pdfAsparouhov, T. and Muthén, B. (2014). Auxiliary variables in mixture modeling: three-step approaches using Mplus. Structural Equation Modeling: A Multidisciplinary Journal 21:329–341.
https://www.statmodel.com/download/webnotes/webnote15.pdf