“潜在类分析”报表
初始“潜在类分析”报表包含每个指定聚类数的“聚类比较”报表和“潜在类模型”报表。
“聚类比较”报表
“聚类比较”报表提供拟合统计量以比较各种模型。拟合统计量包括负对数似然（-对数似然）、BIC 和 AIC。每个统计量的值越小表示拟合效果越好。最佳拟合在名为最佳的列中指示。请参见《拟合线性模型》中的似然、AICc 和 BIC。
潜在类模型报表
每个“潜在类模型报表”被动态地命名为“<k> 个聚类的潜在类模型”，具体取决于 k，即拟合的聚类数。报表包含以下结果和分级显示项：
• 模型汇总
• 参数估计值
• 转置参数估计值
• 效应大小
• MDS 图
• 混合概率
模型汇总
默认情况下，指定聚类数的模型汇总显示在每个“潜在类模型”报表的顶部。模型汇总包含 -对数似然、参数个数、BIC 和 AIC。这些汇总值可用于确定模型对数据拟合的好坏程度。“-对数似然”、“BIC”和“AIC”的值越小表示拟合效果越好。请参见《拟合线性模型》中的似然、AICc 和 BIC。“参数数目”值提供潜在类模型中的唯一参数个数。请参见“潜在类分析”平台的统计详细信息。
参数估计值
“参数估计值”报表包含表格式和图形化的参数估计值汇总，并且在默认情况下显示出来。每个汇总包含的行对应于模型聚类。
“总体”列显示观测属于每个聚类的概率。（这些是 γ 参数。请参见“潜在类分析”平台的统计详细信息。）
显示中的其余列依据在“潜在类分析”启动窗口中指定的 Y 列使用竖分隔线分组。
• 每一组分类响应列都有一列对应于相应响应中的每个水平。在每组中，给定行列中的值是假定观测属于行所标识聚类的前提下，列所指示的响应的条件概率。（这些是 ρ 参数。）
• 每一组多重响应列都有一列对应于多重响应中的每个类别。在每组中，给定行列中的值是假定观测属于行所标识聚类的前提下，所指示的类别的较低级别下的响应的条件概率。（这些是 ρ 参数。）
图形化显示将条件概率值显示为份额图。对于每个聚类和每个 Y，用水平堆叠条形图绘制了给定聚类成员关系的条件概率。对于二值或名义型响应列，这些图中每个响应的百分比都加总为 1。对于多重响应列，百分比是每个类别的较低级别的百分比，加总不为 1。直条的堆叠按照值表中变量的顺序展示。您还可以悬停在直条上方，以查看变量的水平或类别。
提示：您可以在“参数估计值”报表的任一表中选择一行或多行，以选择分配至相应聚类的观测。
转置参数估计值
“转置参数估计值”报表包含“参数估计值”报表表的转置表。该报表中聚类显示为列。针对分析中每个 Y 列的每个响应类别显示了其在每个聚类出现的条件概率。
注意：“总体”列的估计值不包括在转置表中。
效应大小
“效应大小”表在各聚类之间比较 Y 列，且默认情况下显示出来。该表每行中的统计量从由 Y 列的水平或类别与聚类成员关系的期望计数构成的列联表分析中获得。期望计数是将每个聚类中的观测数乘以 Y 列每个水平或类别的条件概率得到。
对于每个响应，为由聚类与水平的期望计数构成的列联表计算 Pearson 卡方统计量 χ 2。用 n 表示观测数。“效应大小”列中的值定义如下：
效应大小 = 
“LR Logworth”列中的每个值显示 -log10(pLR)，其中 pLR 是由期望计数构成的列联表的对数似然比检验 p 值。超过 2 的 Logworth 值对应于在 0.01 显著性水平下的显著性。
提示：您可以在“效应大小”表中选择一行或多行，以选择数据表中的相应列。
MDS 图
MDS 图对每个聚类都包含一个点，并且在默认情况下显示出来。它是聚类邻近关系的二维表示。越邻近的聚类越相似。该图基于 ρ 参数的相异度矩阵创建。有关 MDS 图的详细信息，请参见多维尺度化。
混合概率
“混合概率”表显示每行的聚类成员关系的概率。“最可能的聚类”列指示每行具有最高成员关系概率的聚类。
注意：一或多个 Y 列包含缺失值的行会从分析中排除，不会出现在“混合概率”表中。