《表3被访者在2 个测量指标上的作答后验概率与分类结果 (N=6112)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《参保职工真的都反对延迟退休吗——来自潜分类模型的经验证据》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:A1~A3是delay_type的提前退休、正常退休和延迟退休；B1~B5是delay-yes的非常不赞同、较不赞同、无所谓、较赞同、非常赞同。

图3的气泡图进一步展示了基于潜分类模型的观测值的作答指标组合及其各自的频数。频数的大小由气泡的面积大小来反映。当被访者在第一个项目（退休类型，delay_type）选择1时，如果他在第二个问题（退休意愿，delay_yes）上选1、2、3，则被归入第1类非延迟退休者；当被访者在第一个问题选择2时，如果他在第二个问题上选择1、2，则也会被归入非延迟退休者。而另外剩下的其它10种作答组合，则被归入第2类，即延迟退休者。由此可知，潜分类模型在遵从样本观测值异质性这个客观事实的基础上，为判断观测值的分类提供了一种有效的预先识别机制。即选择合适的测量指标A、B、C……，根据观测值个体在这些测量指标的作答结果（选项）的组合，在LCM估计出参数结果之后，利用贝叶斯后验概率公式确定每一个体的潜类别属性（王孟成、毕向阳，2018）。