Page 127 - 201902

社会· ２０１９ · ２

外显变量之间的关联（邱皓政， ２００８ ）。具体而言，它从外显变量（观测
变量）的联合分布的概率的特征值中找出具有共同特征的群体的集合，
每个集合的概率及外显变量在各集合上的条件概率均可从中得出。因
此，就一般形式而言，潜类模型也常被称为概率模型。其基本假设是，
对各个外显变量取值的概率分布可以由少数互斥的潜在类别变量解
释，每种潜在类别对各个外显变量的取值选择都有特定的倾向。
本文所使用的政治取向外显（二分类）变量有五个：政治关注（ 犃 ）、
政治效能（ 犅 ）、政治信任（ 犆 ）、意见表达（ 犇 ）、集体行动（ 犈 ）。假设五个
变量背后隐藏的潜在变量为 犡 ，那么一个无条件约束的潜类模型的基
本形式可以表达为：

π 狓犪犫犮犱犲 ＝π 狓 π 犪 狘 狓 π 犫 狘 狓 π 犮 狘 狓 π 犱 狘 狓 π 犲 狘 狓
被称为潜类概率，即潜在变量各类别出现的概率，而五个条件
其中， π 狓
、 、 、 、 被称为条件反应概率。在假定外显变
概率 π 犪 ｜ 狓 π 犫 ｜ 狓 π 犮 ｜ 狓 π 犱 ｜ 狓 π 犲 ｜ 狓
量条件独立的情况下，对于上述潜类模型可以表述为如下对数线性模
而言）：
型（相对于各变量形成的多维频次表 犿狓犪犫犮犱犲
犡 犃 犅 犆 犇 犈 犡犃
犾狅 犵 犿 狓犪犫犮犱犲 ＝狌＋狌 狓 ＋狌 犪 ＋狌 犫 ＋狌 犮 ＋狌 犱 ＋狌 犲 ＋狌 狓犪
犡犇
犡犆
犡犈
犡犅
＋狌 狓犫 ＋狌 狓犮 ＋狌 狓犱 ＋狌 狓犲
这是潜类模型的两种表达形式，由此，对任一个观测变量（ 犃 、 犅 、
犆 、 犇 、 犈 ）来说，它在给定潜类 狓 下的条件概率就可以通过估计对数线
性模型饱和模型的参数获得，即将条件概率看做对数线性模型参数的
一个函数（刘精明、李路路， ２００５ ）。以政治关注（ 犃 ）为例，其某一类别
在某一给定潜类中的条件概率可以由以下公式得出：
（ 犃 犡犃 ）
犲狓 狆 狌 犪 ＋狌 狓犪
π 犪 狘 狓 ＝
（ 犃 犡犃 ）
犲狓 狆 狌 犪 ＋狌 狓犪
∑ 犪
在具体的操作化策略上，需要首先从诸多外显变量的特征和分布
中找出在其背后的潜类，根据模型拟合状况确定最佳潜类数量及各潜
类含义，进而展开关于变量间关系结构的分析。
２． 二元 犔狅 犵 犻狋 模型及多元对应分析
鉴于中产阶层构成的多元性及政治取向的多维性，如果中产阶层
与政治取向维度之间呈现多元复杂而非一一对应的关系时，我们将结
合二元 犔狅 犵 犻狋 模型及多元对应分析，考察特定阶层内部哪些因素影响
和制约着群体的政治取向分化，从而揭示更为清晰的有关群体类型、成

· １ ２ ０ ·