So nutzen Sie das Tool
Öffnen Sie eine Datei oder klicken Sie auf „Beispieldaten verwenden“, markieren Sie die Fragen, die die Klassen definieren sollen, und wählen Sie für jede „Kategorial“, „Ordinal (als Kategorien)“ oder „Metrisch“. Optional legen Sie eine Gewichtungsspalte, den Bereich der Klassenzahl, die Zahl der Zufallsstarts und den Seed fest; dann starten Sie.
Danach sehen Sie den Modellvergleich: für jedes k Log-Likelihood, Parameterzahl, AIC, BIC, CAIC, stichprobengrößenadjustierten BIC, Entropie-R², kleinsten Klassenanteil und die Zahl der Zufallsstarts, die die beste Log-Likelihood erreichten. Für ein gewähltes Modell zeigt die Profiltabelle Antwortwahrscheinlichkeiten bzw. Mittelwerte je Klasse mit Index gegenüber dem Gesamt. Sie können Daten mit Klassenzugehörigkeit und A-posteriori-Wahrscheinlichkeiten sowie die Parameter (Typisierungstool) exportieren oder die Antworten einer neuen Person eingeben und ihre Klassenwahrscheinlichkeiten sehen.
Methode: EM-Algorithmus und Modellvergleich
Das Modell lautet P(xᵢ) = Σₖ πₖ Πⱼ fⱼ(xᵢⱼ | k): πₖ ist der Anteil der Klasse k, fⱼ die Verteilung des Indikators j in dieser Klasse – Antwortwahrscheinlichkeiten für kategoriale und ordinale Indikatoren, eine Normaldichte mit Klassenmittelwert und -varianz für metrische. Die Parameter werden per EM-Algorithmus nach Maximum Likelihood geschätzt. Nicht beantwortete Indikatoren fallen aus der Likelihood (Annahme zufällig fehlender Werte), sodass jede Person mit mindestens einer Antwort klassifiziert wird.
EM kann in einem lokalen Maximum stecken bleiben. Für jedes k startet das Tool deshalb standardmäßig 10 reproduzierbare Zufallsstarts, rechnet jeden kurz an, führt die vielversprechendsten bis zur Konvergenz, behält die Lösung mit der höchsten Log-Likelihood und meldet, wie viele konvergierte Starts sie erreicht haben. Gleiche Datei, Einstellungen und Seed liefern immer dasselbe Ergebnis; Klassen werden nach Anteil absteigend nummeriert. Die klasseninterne Varianz metrischer Indikatoren beträgt mindestens 1 % der Gesamtvarianz, damit keine Klasse auf einen einzigen Wert kollabiert.
- Parameterzahl p = (k − 1) + k × (Kategorien − 1) je kategorialem Indikator + 2k je metrischem Indikator.
- BIC = −2 log L + p ln n; AIC, CAIC und SABIC stehen ebenfalls in der Tabelle – niedriger ist besser.
- Das Entropie-R² liegt zwischen 0 und 1; je näher an 1, desto eindeutiger die Klassenzuordnung.
- Gewichte werden auf Mittelwert 1 skaliert und per Pseudo-Likelihood berücksichtigt; die Informationskriterien nutzen die ungewichtete Fallzahl.
Rechenbeispiel
Die synthetische Käuferbefragung enthält 900 Befragte und sieben Indikatoren: Haupteinkaufsstätte, Nutzung von Coupons, Kauf von Bio-Produkten und Einkaufshäufigkeit (kategorial), Markentreue und Preissensibilität (1–5, als Kategorien) sowie monatliche Lebensmittelausgaben (metrisch). Jede Person wurde aus einer von drei vorgegebenen Klassen erzeugt, rund 4 % der Antworten fehlen. Für k = 1 bis 6 ergeben sich diese BIC-Werte: k = 1: 23.102, k = 2: 22.076, k = 3: 21.585, k = 4: 21.674, k = 5: 21.762, k = 6: 21.858.
Den niedrigsten BIC hat k = 3, mit Klassenanteilen von 46,3 %, 33,7 %, 20,1 % und einem Entropie-R² von 0,916. Nach der wahrscheinlichsten Klasse zugeordnet, stimmen 97,1 % der Befragten mit ihrer vorgegebenen Klasse überein (Klasse 1 bis 3 entsprechen eins zu eins: Schnäppchenjäger, Premium-Treue, Bequemlichkeitskäufer). In Klasse 1 nennen 58 % (gesamt 32 %) einen Discounter als Haupteinkaufsstätte, die mittleren Monatsausgaben liegen bei 424 (gesamt 466) – typische Schnäppchenjäger.
Modelle mit mehr Klassen verbessern die Anpassung nur wenig und werden vom BIC dafür bestraft; zudem erreichen die zusätzlichen Klassen oft nur wenige Zufallsstarts – ein Zeichen für instabile lokale Lösungen.
Wann die latente Klassenanalyse passt – und wann nicht
Beurteilen Sie ein Modell nach BIC, Entropie, kleinstem Klassenanteil, nach der Frage, ob mehrere Starts die beste Log-Likelihood replizieren, und danach, ob die Antwortwahrscheinlichkeiten klare Klassenprofile ergeben. Klassen fassen Antwortmuster zusammen, und auch die wahrscheinlichste Klasse hat einen Klassifikationsfehler – behalten Sie für Folgeanalysen die A-posteriori-Wahrscheinlichkeiten.
- Geeignet: Segmentierung mit nominalen oder gemischten Fragen, etwa Einkaufsstätte, genutzte Marke, Ja/Nein-Verhalten, Bewertungen und Ausgaben zusammen.
- Geeignet: Sie brauchen Klassenwahrscheinlichkeiten je Person statt einer harten Zuordnung oder ein Typisierungstool für neue Befragte.
- Nicht geeignet: nur ein- bis zweihundert Befragte oder viele Fragen mit dünn besetzten Kategorien – Modelle mit mehr Klassen sind dann nicht identifiziert.
- Nicht geeignet: sehr große Datensätze – hier sind höchstens 20.000 Zeilen und 200.000 Antworten (Zeilen × Indikatoren) möglich.
So interpretieren Sie die Ergebnisse
Klassen mit einer mittleren A-posteriori-Wahrscheinlichkeit über 0,8 sind verlässlich zugeordnet; bei einem Entropie-R² über etwa 0,8 können Sie die wahrscheinlichste Klasse als Segmentspalte verwenden. Benennen Sie Klassen nach Antworten und Mittelwerten mit deutlich hohen oder niedrigen Indizes und prüfen Sie Unterschiede bei Soziodemografie und Verhalten per Kreuztabelle.
Latente Klassenmodelle nehmen an, dass die Indikatoren innerhalb einer Klasse unabhängig sind. Sind zwei Fragen fast identisch (etwa dieselbe Frage in zwei Formulierungen), bildet das Modell womöglich eine zusätzliche Klasse, nur um deren Zusammenhang zu erklären – behalten Sie dann nur eine der beiden.