传统的分类分析法虽然是潜在类别模型常用的后续分析方法,但容易导致后续模型中潜在类别与其他变量之间关系的低估。现阶段已发展出多种改进的方法:一步法、基于模型的方法、Bartlett法,改进的分类分析法(包括ML三步法、BCH法、纳入式分类分析法)。本文对这些方法研究进行综述总结,进一步针对心理学研究数据的特点,使用模拟实验探讨适用于潜在剖面模型的分类分析方法,结果发现:传统方法低估潜在类别变量与因变量的关系;ML三步法只有在潜在类别概率分布平均时估计精确;BCH法估计最接近真值,但在低分类区分度、大效果量时出现概率估计为负值的情况;纳入法虽有轻微的高估,但在各种模拟条件下参数估计最为稳健。这些方法受分类区分度、类别概率均匀性以及潜在类别变量与附属变量关系的效果量所影响。