Class probabilities were not computed
Mplus做LCA的时候最后显示这个，没法输出图和概率计算的结果。
结果如下
Mplus VERSION 8.3 (Mac)
MUTHEN & MUTHEN
01/24/2021  10:24 PM

INPUT INSTRUCTIONS

  title:
  Fictious Latent Class Analysis.
  data:
  File is LCA.csv ;
  variable:
  names=  V407_1 V407_2 V407_4 Price;
  usevariables= V407_1 V407_2 V407_4 Price;
  categorical=V407_1 V407_2 V407_4 Price;
  classes=c(3);
  analysis:
  starts=200 50;
  Type=mixture
  plot:
  type is plot3;
  series=V407_1(1) V407_2(2) V407_4(3) Price(4);
  savedata:
  file is lca3_save.txt;
  save=cprob;
  output:
  TECH11 TECH14;



INPUT READING TERMINATED NORMALLY




Fictious Latent Class Analysis.

SUMMARY OF ANALYSIS

Number of groups                                                 1
Number of observations                                        1438

Number of dependent variables                                    4
Number of independent variables                                  0
Number of continuous latent variables                            0
Number of categorical latent variables                           1

Observed dependent variables

  Binary and ordered categorical (ordinal)
   V407_1      V407_2      V407_4      PRICE

Categorical latent variables
   C


Estimator                                                      MLR
Information matrix                                        OBSERVED
Optimization Specifications for the Quasi-Newton Algorithm for
Continuous Outcomes
  Maximum number of iterations                                 100
  Convergence criterion                                  0.100D-05
Optimization Specifications for the EM Algorithm
  Maximum number of iterations                                 500
  Convergence criteria
    Loglikelihood change                                 0.100D-06
    Relative loglikelihood change                        0.100D-06
    Derivative                                           0.100D-05
Optimization Specifications for the M step of the EM Algorithm for
Categorical Latent variables
  Number of M step iterations                                    1
  M step convergence criterion                           0.100D-05
  Basis for M step termination                           ITERATION
Optimization Specifications for the M step of the EM Algorithm for
Censored, Binary or Ordered Categorical (Ordinal), Unordered
Categorical (Nominal) and Count Outcomes
  Number of M step iterations                                    1
  M step convergence criterion                           0.100D-05
  Basis for M step termination                           ITERATION
  Maximum value for logit thresholds                            15
  Minimum value for logit thresholds                           -15
  Minimum expected cell size for chi-square              0.100D-01
Optimization algorithm                                         EMA
Random Starts Specifications
  Number of initial stage random starts                        200
  Number of final stage optimizations                           50
  Number of initial stage iterations                            10
  Initial stage convergence criterion                    0.100D+01
  Random starts scale                                    0.500D+01
  Random seed for generating random starts                       0
Link                                                         LOGIT

Input data file(s)
  LCA.csv
Input data format  FREE


UNIVARIATE PROPORTIONS AND COUNTS FOR CATEGORICAL VARIABLES

    V407_1
      Category 1    0.729         1048.000
      Category 2    0.003            4.000
      Category 3    0.192          276.000
      Category 4    0.076          110.000
    V407_2
      Category 1    0.456          656.000
      Category 2    0.544          782.000
    V407_4
      Category 1    0.204          294.000
      Category 2    0.604          869.000
      Category 3    0.042           61.000
      Category 4    0.149          214.000
    PRICE
      Category 1    0.444          638.000
      Category 2    0.443          637.000
      Category 3    0.071          102.000
      Category 4    0.042           61.000


RANDOM STARTS RESULTS RANKED FROM THE BEST TO THE WORST LOGLIKELIHOOD VALUES

Final stage loglikelihood values at local maxima, seeds, and initial stage start numbers:


50 perturbed starting value run(s) did not converge.


     THE MODEL ESTIMATION DID NOT TERMINATE NORMALLY DUE TO AN INSUFFICIENT
     NUMBER OF E STEPS.  INCREASE THE NUMBER OF MITERATIONS.  ESTIMATES
     CANNOT BE TRUSTED.

     THE MODEL ESTIMATION DID NOT TERMINATE NORMALLY DUE TO A CHANGE IN THE
     LOGLIKELIHOOD DURING THE LAST E STEP.

     AN INSUFFICENT NUMBER OF E STEP ITERATIONS MAY HAVE BEEN USED.  INCREASE
     THE NUMBER OF MITERATIONS OR INCREASE THE MCONVERGENCE VALUE.  ESTIMATES
     CANNOT BE TRUSTED.
     SLOW CONVERGENCE DUE TO PARAMETER 27.
     THE LOGLIKELIHOOD DERIVATIVE FOR THIS PARAMETER IS -0.58077996D-03.






FINAL CLASS COUNTS AND PROPORTIONS FOR THE LATENT CLASSES
BASED ON THE ESTIMATED MODEL

    Latent
   Classes

       1        114.73982          0.07979
       2        938.40196          0.65257
       3        384.85821          0.26763


FINAL CLASS COUNTS AND PROPORTIONS FOR THE LATENT CLASSES
BASED ON ESTIMATED POSTERIOR PROBABILITIES

    Latent
   Classes

       1        114.73981          0.07979
       2        938.40198          0.65257
       3        384.85822          0.26763


FINAL CLASS COUNTS AND PROPORTIONS FOR THE LATENT CLASSES
BASED ON THEIR MOST LIKELY LATENT CLASS MEMBERSHIP

Class Counts and Proportions

    Latent
   Classes

       1              114          0.07928
       2              822          0.57163
       3              502          0.34910


CLASSIFICATION QUALITY

     Entropy                         0.722


Average Latent Class Probabilities for Most Likely Latent Class Membership (Row)
by Latent Class (Column)

           1        2        3

    1   0.861    0.065    0.074
    2   0.010    0.955    0.036
    3   0.018    0.291    0.692


Classification Probabilities for the Most Likely Latent Class Membership (Column)
by Latent Class (Row)

           1        2        3

    1   0.855    0.068    0.077
    2   0.008    0.836    0.156
    3   0.022    0.076    0.902


Logits for the Classification Probabilities for the Most Likely Latent Class Membership (Column)
by Latent Class (Row)

              1        2        3

    1      2.413   -0.114    0.000
    2     -2.973    1.682    0.000
    3     -3.719   -2.475    0.000


MODEL RESULTS

                    Estimate

Latent Class 1

Thresholds
    V407_1$1          -8.837
    V407_1$2          -8.837
    V407_1$3           4.308
    V407_2$1           0.219
    V407_4$1          -4.028
    V407_4$2          -1.878
    V407_4$3          -1.878
    PRICE$1           -0.529
    PRICE$2            1.971
    PRICE$3            2.817

Latent Class 2

Thresholds
    V407_1$1           1.627
    V407_1$2           1.658
    V407_1$3           2.704
    V407_2$1          -1.259
    V407_4$1          -1.198
    V407_4$2           1.769
    V407_4$3           2.433
    PRICE$1           -0.459
    PRICE$2            1.767
    PRICE$3            2.892

Latent Class 3

Thresholds
    V407_1$1           0.777
    V407_1$2           0.777
    V407_1$3           1.911
    V407_2$1          15.000
    V407_4$1          -1.429
    V407_4$2           2.188
    V407_4$3           2.188
    PRICE$1            0.419
    PRICE$2            3.431
    PRICE$3            4.287

Categorical Latent Variables

Means
    C#1               -1.210
    C#2                0.891


MODEL COMMAND WITH FINAL ESTIMATES USED AS STARTING VALUES

     %OVERALL%

     [ c#1*-1.21021 ];
     [ c#2*0.89130 ];

     %C#1%

     [ v407_1$1*-8.83704 ];
     [ v407_1$2*-8.83704 ];
     [ v407_1$3*4.30780 ];
     [ v407_2$1*0.21885 ];
     [ v407_4$1*-4.02821 ];
     [ v407_4$2*-1.87768 ];
     [ v407_4$3*-1.87768 ];
     [ price$1*-0.52886 ];
     [ price$2*1.97095 ];
     [ price$3*2.81670 ];

     %C#2%

     [ v407_1$1*1.62722 ];
     [ v407_1$2*1.65849 ];
     [ v407_1$3*2.70412 ];
     [ v407_2$1*-1.25913 ];
     [ v407_4$1*-1.19759 ];
     [ v407_4$2*1.76892 ];
     [ v407_4$3*2.43323 ];
     [ price$1*-0.45945 ];
     [ price$2*1.76712 ];
     [ price$3*2.89212 ];

     %C#3%

     [ v407_1$1*0.77693 ];
     [ v407_1$2*0.77710 ];
     [ v407_1$3*1.91084 ];
     [ v407_2$1*15 ];
     [ v407_4$1*-1.42923 ];
     [ v407_4$2*2.18751 ];
     [ v407_4$3*2.18751 ];
     [ price$1*0.41911 ];
     [ price$2*3.43124 ];
     [ price$3*4.28682 ];



TECHNICAL 11 OUTPUT

     Random Starts Specifications for the k-1 Class Analysis Model
        Number of initial stage random starts                 200
        Number of final stage optimizations                    50



TECHNICAL 14 OUTPUT

     Random Starts Specifications for the k-1 Class Analysis Model
        Number of initial stage random starts                 200
        Number of final stage optimizations                    50

     Random Starts Specification for the k-1 Class Model for Generated Data
        Number of initial stage random starts                   0
        Number of final stage optimizations for the
           initial stage random starts                          0
     Random Starts Specification for the k Class Model for Generated Data
        Number of initial stage random starts                  40
        Number of final stage optimizations                     8
     Number of bootstrap draws requested                   Varies


SAVEDATA INFORMATION

     Class probabilities were not computed.
     No data were saved.


     Beginning Time:  22:24:05
        Ending Time:  22:24:16
       Elapsed Time:  00:00:11



MUTHEN & MUTHEN
3463 Stoner Ave.
Los Angeles, CA  90066

Tel: (310) 391-9971
Fax: (310) 391-8971
Web: www.StatModel.com
Support: Support@StatModel.com

Copyright (c) 1998-2019 Muthen & Muthen