在上式中，LCM的组合概率，用πijkABC表示，相应的，潜在类别概率，以πtX表示，其意义可以解释为：在观察变量处于局部独立的条件下，潜变量X在第t个水平的概率，即从样本中随机选取的观察对象属于潜在类别t的概率。容易证明，各个潜在类别的概率总和永远为100%即1，用公式表达为：

    条件概率，用πitAX表示，其意义可以解释成：外显变量A的第i个水平更倾向于划归到第t个潜在类别的个体的概率。由于各个潜变量的各个水平处于相互独立的状态，所以各外显变量的条件概率总和为1，即：

    1.2 参数估计与模型拟合

    在潜在类别模型的参数估计过程中，最大似然法(maximum likelihood，ML)是被最广泛使用且计算软件中默认的方法。EM(expectation-maximization)、NR(Newton Rapson)算法在计算迭代过程中为最常用的方法，而其中前者更为常用。在潜在类别模型评价方面，AIC评分(akaike informationcriterion)和BIC评分(bayesian information criterion)成为使用最为广泛的拟合评价指标。两者共同点为：其计算理论基础都为似然比χ2检验 ......