Key points are not available for this paper at this time.
구조 방정식 혼합 모델링(SEMM)은 연속적 및 이산 잠재 변수 모델을 통합합니다. 연속적 및 이산 잠재 변수 모델 간의 관계에 대한 이전 연구를 바탕으로, 저자들은 SEMM에서 허위 잠재 클래스 추정으로 이어질 수 있는 3가지 조건을 식별합니다: 구조 모델의 잘못 지정, 비정규 연속 측정, 그리고 관측된 및/또는 잠재 변수 간의 비선형 관계. SEMM 분석의 목적이 잠재 클래스를 식별하는 것이라면 이 조건들은 대안 가설로 고려되어야 하며, 결과는 신중하게 해석되어야 합니다. 그러나 실제로 SEMM 추정에 대한 더 많은 지식을 갖춘 연구자들은 모델의 유연성을 활용하여 연구 대상 현상에 대한 더 깊은 이해를 얻을 수 있습니다.
Bauer et al. (Mon,)은 이 질문을 연구했습니다.