Ik voer lpa lca-analyse uit met r3step en bch in mplus en r

Geef je onderzoeksvraag, steekproefgrootte, indicatorvariabelen, variabelentypes en codering, informatie over ontbrekende data en eventuele voorgestelde covariaten of distale uitkomsten. Een geanonimiseerde dataset, codeboek en eerdere output zijn handig.

LPA wordt meestal gebruikt bij continue indicatoren, terwijl LCA meestal wordt toegepast bij categorische indicatoren. Ik kan je variabelen en onderzoeksvraag bekijken en de juiste aanpak aanbevelen.

Ik gebruik vooral Mplus en R. De software wordt gekozen op basis van het model, de indicatoren, de vereisten voor auxiliary-variabelen en de benodigde outputs.

Ja. Ik vergelijk kandidaat-oplossingen met behulp van fit-indices, likelihood-ratio tests, entropy, klassenomvang, convergentie, lokale maxima, theoretische betekenis, scheiding en interpretatie.

Nee. De gekozen oplossing moet ondersteund worden door de data, statistisch bewijs, theorie, stabiliteit en inhoudelijke interpretatie. Ik dwing geen voorkeursklasse af.

Ja. Covariaten kunnen worden onderzocht met R3STEP en distale uitkomsten met BCH waar dat passend is. Het aantal, type en de codering van auxiliary-variabelen moeten vooraf worden afgesproken.

Ja. Ik kan syntax, output, convergentieproblemen, lokale maxima, fit-indices, klassenomvang, modelvergelijkingsresultaten en interpretatie bekijken. Een uitgebreide heranalyse kan een aangepaste offerte vereisen.

Een revisie omvat correcties of verduidelijkingen binnen de afgesproken indicatorset, klassenrange, covariaten, uitkomsten en deliverables. Nieuwe variabelen, modellen, datasets of klassen-enumeratiestrategieën vormen extra werk.

Ja. Ik ondersteun bij statistische Methods/Results, model-selectie onderbouwing, interpretatie, publicatieklare tabellen en reacties van statistische reviewers binnen de afgesproken LPA/LCA scope.