如何使用这个工具
打开数据文件或点击“使用示例数据”，勾选用来划分类别的题目，并为每题选择“分类”“有序（按类别处理）”或“连续”。可以选择权重列、类别数范围、随机初始值个数和随机种子，然后点击运行。
运行后先看模型比较表：每个 k 的对数似然、参数个数、AIC、BIC、CAIC、样本量调整 BIC、熵 R²、最小类别占比，以及达到最佳对数似然的随机初始值个数。选定一个模型后，画像表会列出各类别的条件应答概率或均值及相对总体的指数；可以导出带类别归属和后验概率的数据、参数表（分类工具），也可以在页面上输入一位新受访者的答案查看其类别概率。
方法：EM 算法与模型比较
模型为 P(xᵢ) = Σₖ πₖ Πⱼ fⱼ(xᵢⱼ | k)：πₖ 是第 k 类的占比，fⱼ 是第 j 个指标在该类中的分布——分类与有序指标为各选项的概率，连续指标为该类均值和方差的正态密度。参数用 EM 算法按最大似然估计。受访者未回答的指标在似然中直接跳过（随机缺失假设），只要回答了任一指标就会被归类。
EM 可能停在局部最大值，因此每个 k 默认从 10 组带种子的随机初始值出发，先各运行一小段 EM，再把最有希望的几组运行到收敛，保留对数似然最高的解，并报告运行到收敛的初始值中有多少组达到了它。同一文件、设置和种子每次结果相同；类别按占比从大到小编号。连续指标的类内方差不低于该指标总方差的 1%，避免某一类塌缩到单个取值。
- 参数个数 p =（k − 1）+ 每个分类指标 k ×（类别数 − 1）+ 每个连续指标 2k。
- BIC = −2 log L + p ln n；AIC、CAIC 与样本量调整 BIC（SABIC）同列于表中，数值越低越好。
- 熵 R² 介于 0 和 1 之间，越接近 1 表示受访者的类别归属越明确。
- 加权时权重先缩放为均值 1，按伪似然估计；信息准则使用未加权的受访者人数。
计算示例
合成购物者示例数据有 900 名受访者和 7 个指标：主要购物渠道、是否使用优惠券、是否购买有机食品和购物频率（分类），品牌忠诚度与价格敏感度（1–5 分，按类别处理），以及每月食品杂货支出（连续）。每位受访者都由三个预设类别之一生成，约 4% 的答案为空。拟合 k = 1 到 6，BIC 依次为：k = 1 时为 23102，k = 2 时为 22076，k = 3 时为 21585，k = 4 时为 21674，k = 5 时为 21762，k = 6 时为 21858。
BIC 最低的是 k = 3，各类别占比为 46.3%、33.7%、20.1%，熵 R² 为 0.916。按最可能类别归类，与预设类别一致的受访者占 97.1%（第 1 至第 3 类依次对应精打细算型、品质忠诚型、便利型，按一对一匹配）。第 1 类以折扣店为主要渠道的比例为 58%（总体为 32%），月支出均值为 424（总体为 466），是典型的精打细算型。
更多类别的模型拟合只略有改善，却被 BIC 惩罚；而且多出来的类别往往只有少数随机初始值能达到，说明 EM 找到的是不稳定的局部解。
适用与不适用的情况
判断模型要同时看 BIC、熵、最小类别占比、最佳对数似然是否被多组初始值重复得到，以及条件应答概率能否组成清楚的类别画像。类别只是对答题模式的概括，最可能类别的归属也有分类误差，后续分析时建议保留后验概率。
- 适用：用名义或混合类型的题目做细分，例如渠道、使用品牌、是否行为、评分题和支出放在一起。
- 适用：需要每位受访者属于各类别的概率，而不只是硬性归类；或需要为新受访者归类的分类工具。
- 不适用：样本只有一两百人或类别稀疏的题目很多——类别数较多的模型将无法识别。
- 不适用：数据量很大——这里最多支持 20,000 行、200,000 个答案（行数 × 指标数）。
如何解读结果
平均后验概率高于 0.8 的类别，成员归属较为可靠；熵 R² 高于约 0.8 时，可以把最可能类别当作细分列使用。给类别命名时，以指数明显偏高或偏低的选项和均值为依据，再用交叉分析查看各类别在人口统计和行为题上的差异。
潜在类别模型假设在同一类别内各指标相互独立。如果两道题几乎重复（例如两种问法的同一问题），模型可能为了解释它们之间的关联而多分出一个类别，这时应只保留其中一道题。