社會科學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”,一個政治學家可能會在問卷中設計多個相關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。如何來對這一潛結構進行建模呢？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，假設兩個變量都是分類變量，那么一種“針對定類數據的因子分析”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“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典例子就是古特曼尺度（Guttmanscale)，其中的變量得分是依據某一次序排列的。例如，在政治野心調查中，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“你愿意在當地的俱樂部講話嗎？”；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”的受訪者應該對X也會回答“是”，而對Z回答“是”的受訪者應該也會對X和Y回答“是”�？傊�，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。他用大量經過精挑細選的經驗性例子來教授這一技術。實例涉及有關對學術舞弊的調查、兒童對于空間任務的掌握、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，并提供了一個網站以跟蹤有關方法的最新發(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、社會學和教育學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