LatentGOLD是一款用于基因组学数据分析的软件工具，主要应用于人类遗传学和基因组学研究领域。软件可帮助研究人员处理和分析多种基因组数据，为遗传特征研究、群体分析等相关工作提供数据分析支持。
LatentGOLD支持单核苷酸多态性（SNP）、短串联重复序列（STRs）、微卫星（microsatellites）等基因组数据分析，并提供基因型推断、遗传结构分析、遗传分化分析、群体结构分析等功能。通过对基因数据进行统计分析，帮助研究人员更好地了解不同样本之间的遗传关系和结构特征。
一、 核心基础模型
LC Cluster（潜在聚类模型）
功能：基于潜在类模型进行最先进的聚类分析，用于识别总体中不可观察的潜在子群体（类别）。同一类别内的案例在变量上同质，不同类别间异质。
特点：支持名义、有序、连续、计数或任意组合的变量，可纳入协变量改进聚类描述，通过参数估计后验隶属概率进行案例分类。
DFactor（离散型因子模型）
功能：用于变量降维或定义有序的态度尺度，将共享共同变异源的变量组合在一起，假设因子为有序而非连续。
特点：无需因子旋转，可直接解释，支持二分或有序多分类变量，无需额外假设估计因子分数。
LC Regression（潜在类别回归模型）
功能：用于在异质人群中估计回归模型，通过包含分类潜在变量，将总体划分为具有相同回归系数的同质亚群（段）。
特点：支持多种因变量尺度（连续、二分、名义、序数、计数等），可纳入协变量细化类别描述，支持重复测量（LC 增长/事件历史模型）。
Step3模型（三步法分析）
功能：在估计潜在类模型后，用于调查类成员与外部变量之间的关系，通过后验类成员概率分配个体，并针对分类错误进行校正，防止估计偏差。
二、 高级与扩展模块
Choice（离散选择模型）
功能：用于分析联合/离散选择数据，估计扩展多项 Logit 模型（MNL）等，分析不同人群（潜在类别）的偏好异质性，支持首选、排名（含 MaxDiff）和基于评级的联合分析。
Advanced/Syntax（高级/语法模块）
功能：提供 LG-equations 语法命令语言，为高级用户提供更深度的模型控制，支持 Latent Markov（潜在马尔可夫/转换模型，用于纵向数据）和 Multilevel（多水平模型，用于处理组级异质性）等复杂模型。
三、其他高级功能
连续潜在变量（CFactor）：用于指定连续潜在变量模型（如因子分析、项目反应理论、潜在特征模型等），可嵌入各类基础模型中。
复杂样本数据调查：支持分层抽样、两阶段整群抽样和抽样权重，用于计算标准误差和“设计效果”。
数据兼容性：支持 ASCII 文本、SPSS 文件等常见数据格式，提供数据管理、参数限制、模型拟合度检验（如 AIC、BIC）及结果可视化功能。
LatentGOLD6®设计用于XP / Vista，Windows 7/8、Windows 10或Windows 11。
系统要求：128MB驱动器空间，512MB 内存。
输入文件：SPSS系统文件，分隔文本文件。
v6.1版本
新许可机制
连续潜在变量的三步分析
（混合）结构方程建模（SEM）
参数生存模型
Step3 GUI 中的马尔可夫选项
扩展的批处理模式选项
展开内容
