1.3 统计处理

通过SPSS 26.0进行描述统计和相关分析，随后采用Mplus 8.0建立潜在类别分析 （LCA），进行潜类别模型拟合性评估。模型适配的检验指标主要有似然比检验指标（LMR），以及信息评价指标Akaike information criterion （AIC）、Bayesian information criterion（BIC）、和样本校正的BIC（aBIC），这几个数值越小，表示模型的拟合程度越好^[35]。Entropy用于评价分类的精确度，取值范围为0~1，当Entropy约等于0.8时，表明分类的准确率超过了90%^[36]。Lo-Mendell-Rubin（LMR）和Bootstrap的似然比检验（BLRT）两个指标用于比较潜在类别模型的拟合差异，若LMR和BLRT的P值均达到显著水平，表明k个类别的模型比k-1个类别的模型拟合更好^[37]。在确定青少年手机成瘾潜在类别后，将在χ2 检验和方差分析中有统计学意义的变量作为自变量，潜在类别作为因变量，建立Logistic回归模型。目的是为了检验不同风险因素对青少年手机成瘾潜在分类的影响。