Doplňující materiály

Popis metody

Každý subjekt má specifickou sadu odpovědí na otázky (proměnné), které vstupují do latentní analýzy. Pokud máme např. 3 proměnné a každá z nich má 3 možnosti odpovědi, tak existuje 27 (tj. 3x3x3) možných sad odpovědí. Zacházet s každou sadou odpovědí jako s unikátní skupinou by bylo velmi nepřehledné a pro kvantitativní analýzu nepraktické, protože na některé sady by připadal velmi malý, nebo dokonce nulový počet pozorování. Analýza latentních tříd umožnujě tuto komplexitu zjednodušit. Model předpokládá, že sada odpovědí na námi vybrané proměnné, je výsledkem příslušnosti subjektů k několika skupinám (třídám), kterou nemůžeme přímo změřit (zeptat se na ni v dotazníku). Můžeme ji ale odvodit z proměnných, které změřené máme. A přesně to model dělá: odhaduje příslušnost k nepozorovaným (latentním) třídám, na základě pozorovaných proměnných.

Počet tříd, do kterých má model subjekty rozřadit, stanovuje výzkumník. Běžný postup je takový, že se odhaduje celá sada modelů se stejnými vstupními proměnnými a různým počtem tříd a tyto se poté srovnávají pomocí tzv. statistik vhodnosti (goodness-of-fit statistics). Pro výběr nejvhodnějšího modelu používáme tzv. bayesovské informační kritérium. Platí, že čím nižší hodnota, tím lépe, přičemž rozdíl musí být alespoň dva body (lépe však 5 a více), abychom považovali jeden model za lepší. Jako doplňkové kritérium používáme entropy-based R2, které kvantifikuje klasifikační schopnost modelu, tj. jak dobře dokáže rozlišit mezi jednotlivými třídami. Jinými slovy, jak moc jistí si můžeme být příslušností subjektů k třídám, do kterých je model zařadil. Entropy-based R2 nabývá hodnot mezi 0 a 1, přičemž hodnoty bližší k 1 indikují lepší klasifikační schopnost modelu.

Pro techničtější popis metody viz např. Vermunt and Magidson (2002).

Modely latentních tříd jsme odhadovali zvlášť pro ziskové a neziskové subjekty.