Латентный классовый анализ

Аналитик Центра доказательной политики, один из авторов нашего канала Олег Адамович поделился своим опытом поиска скрытых классов при проведении аналитических исследований Крайнего Севера. Слово нашему коллеге.

...Когда мы спрашиваем у людей "Хотите ли вы уехать?", за простым "да" или "нет" часто скрывается сложная картина. И средние статистические показатели эту картину раскрыть не могут.

Для решения этой задачи — "разложить аудиторию по полочкам" — и был создан латентный классовый анализ (LCA). Это метод, который находит скрытые, но устойчивые группы респондентов с похожими паттернами ответов.

❓Где используют LCA?

Метод отлично зарекомендовал себя в самых разных областях, в том числе таких как:

💉 Медицина и здравоохранение. LCA выявляет подтипы течения болезни на основе набора симптомов. Например, выделяют разные типы депрессии или астмы, что позволяет назначать более персонализированное лечение.

👨‍⚕️ Психология. Исследователи идентифицируют профили психологического благополучия или устойчивости к стрессу, объединяя данные о сне, настроении и социальной активности.

💳 Потребительское поведение. Маркетологи сегментируют аудиторию не по возрасту и доходу, а по стилю потребления: "экономные семьи", "импульсивные шопперы", "клиенты, лояльные бренду".

👩‍🏫 Образование. LCA помогает обнаружить группы учеников со схожими паттернами успеваемости по разным предметам, чтобы разработать для них адресные учебные программы.

Команда Центра доказательной политики применила LCA, чтобы понять, кто и почему хочет уехать из арктических регионов. Проанализировав ответы более 10 тысяч северян, мы выделили три четких латентных класса:

➡️ "Мобильные" (74,8% хотят уехать). Это почти 3400 человек, внутренне готовых к переезду.

➡️ "Оседлые" (95,3% хотят остаться). Около 1400 респондентов, которые довольны жизнью на Севере.

➡️ "Неопределившиеся" (50/50). Самая интересная группа — примерно 2000 человек, чьи мнения разделились поровну. Их окончательный выбор может зависеть от изменений в инфраструктуре или экономике.

Такой анализ помогает двигаться от усредненных цифр к реальным человеческим портретам, а значит — и точечным мерам поддержки.

Подробный разбор метода и всех этапов исследования — в нашем материале на Хабре.

@poradata