■ 차이점 요약 LPA는 연속형 지표를 확률 모형 기반 혼합분포로 분석하고, 각 프로파일에 속할 확률을 제공합니다. LCA는 범주형 변수를 사용해 동일한 확률 모형을 적용하지만, 변수 유형이 다릅니다. 군집분석은 거리 기반 방법으로 연속형 데이터를 군집화하고, 소속을 확정적으로 결정합니다. ■ 분석 대상과 근거 LPA와 LCA는 모두 잠재집단을 찾지만, LPA는 평균 양상의 차이와 모양 차이를 동시에 탐색합니다. LCA는 범주형 특성에 초점을 맞추어 잠재계층을 구분합니다. 군집분석은 연구자가 직접 군집 수를 정하고, 거리 계산에 의존합니다. 집단 결정 방식 LPA와 LCA는 정보지수와 통계 검정을 통해 최적의 집단 수를 선정합니다. 반면 군집분석은 연구자 판단에 크게 의존합니다. 또한 LPA와 LCA는 각 개체가 각 집단에 속할 확률을 제공하지만, 군집분석은 하나의 군집에 확정적으로 배정합니다. 자세한 내용: https://ssra.or.kr/kc/post.php?id=215