我正在尝试使用polca包对covariates进行潜在的类分析。但是，每次运行模型时，多项logit系数都会产生不同的结果。我已经考虑了类的顺序的变化，并设置了非常多的复制（nrep = 1500）。但是，重新运行模型我获得了不同的结果。例如，我有3个类（高，低，中）。无论在估计中考虑类的顺序，多项模型将给出不同估计后相同组合的不同系数（例如低与高和中与高）。我是否应该进一步增加重复次数以获得稳定的结果？知道为什么会这样吗？我知道函数set.seed（）我可以复制结果，但我想获得稳定的估计，以便能够声明结果的有效性。非常感谢你！
答案 0 :(得分：0)
从手册（?poLCA）：
只要probs.start = NULL，每个函数调用都会使用不同的 （随机）初始启动参数
您需要使用set.seed()或设置probs.start才能在函数调用中获得一致的结果。
答案 1 :(得分：0)
实际上，如果您使用不同的起点进行收敛，则会出现数据问题。
LCA使用一种最大似然估计。如果没有收敛，则会出现识别不足的问题：您的信息太少，无法估计您拥有的班级数。可能会运行较低的班级编号，或者您必须进行一些先验限制。
您可能希望阅读Collins的Latent Class和Latent Transition Analysis。这对我很有帮助。