社會科學(xué)中的測量是可以被觀察到的，而被測量的概念卻不是。比方說，為了測量“政治野心”,一個政治學(xué)家可能會在問卷中設(shè)計多個相關(guān)題目并組織向一群政黨活動家和準候選人們發(fā)放問卷。這些題目上的得分在某種程度上可以昭顯野心這一變量，它雖然不能被直接觀察到，但卻是潛在的。如何來對這一潛結(jié)構(gòu)進行建模呢？這取決于很多事情，其中一個便是顯變量和潛變量的測量層次。如果兩個都是連續(xù)變量，那么一些因子分析的方法可能是適宜的(在這一系列叢書中，請參考Kim和Mueller的《因子分析概論》和《因子分析》；Long的《驗證性因子分析》；Dunteman的《主成分分析》)。然而，假設(shè)兩個變量都是分類變量，那么一種“針對定類數(shù)據(jù)的因子分析”的潛類別分析則更受青睞(在這一系列叢書中，請參考McCutcheon的《潛類別分析》）。如果測量的層次是定序的呢？正如在我們的例子中，假設(shè)“政治野心”是一個被排序為“低，中，高”的尺度。如果變量是如此排序的話，那么我們就應(yīng)該使用戴頓(Dayton)博士在這里將要詳細闡釋的潛類別尺度模型。
　　研究這類尺度的一個經(jīng)典例子就是古特曼尺度（Guttmanscale)，其中的變量得分是依據(jù)某一次序排列的。例如，在政治野心調(diào)查中，也許有三個二分類變量，X，Y和Z。對于變量X，受訪者被問到“你愿意在當?shù)氐木銟凡恐v話嗎？”；對于變量Y，受訪者被問到“你愿意走上街頭發(fā)表演說嗎？”；對于變量Z，受訪者被問到“你愿意到華盛頓演講嗎？”。這些變量是按照政治承諾的難易程度排序的。所以想必對Y回答說“是”的受訪者應(yīng)該對X也會回答“是”，而對Z回答“是”的受訪者應(yīng)該也會對X和Y回答“是”。總之，理論上的回答向量為{000}、{100}、{110}和{111}，其中1=是，0=否。顯然，不可能所有的受訪者都會給出一個“理論上正確”的回答。例如，有人可能對Y回答“是”而對X和Z回答“否”，即{010}。戴頓博士將這一錯誤的回答假設(shè)為一個誤差，這一做法的優(yōu)勢是允許概率處理。
　　戴頓博士所關(guān)注的潛類別尺度模型適用于上述這類二分變量。他用大量經(jīng)過精挑細選的經(jīng)驗性例子來教授這一技術(shù)。實例涉及有關(guān)對學(xué)術(shù)舞弊的調(diào)查、兒童對于空間任務(wù)的掌握、對肺部疾病的醫(yī)療診斷、對軍隊的態(tài)度，以及角色沖突中的行為。除此之外，他還仔細回顧了用于潛類別分析的計算機程序，并提供了一個網(wǎng)站以跟蹤有關(guān)方法的最新發(fā)展。這一專著完整地闡述了很多可用的模型，對于那些在心理學(xué)、社會學(xué)和教育學(xué)方向需要做細致尺度分析的研究者來說意義非凡。
　　——邁克·S.劉易斯-貝克