以个体为中心的研究路径和以变量为中心的研究路径在研究目的、满足条件、适用领域和分析方法上存在差异 [ 8 ] 。从研究目的看，以变量为中心的方法更适用于寻找普遍规律，主要关注变量之间的关系和相互作用，而以个体为中心的方法重点在于识别数据中的隐藏群体，通过分析个体在多个变量上的表现来揭示不同的潜在剖面或子群体。这种方法注重于个体的组合特征，以及这些特征如何聚集形成独特的群体。从两者各自优势看，前者能够处理大量数据，更清晰地识别因变量的方差分解情况，后者可以同时处理多个变量，提供一个综合视角来理解个体在不同维度的表现，能够揭示数据中不易察觉的群体模式和结构。从假设检验看，前者可以使用统计技术来分析不同变量之间的关系，而后者可以比较不同子群体之间的差异 [ 9 ] ，探讨是否存在理论上的潜在剖面 [ 10 ] 。从结果解释看，前者的解释侧重于变量间的关系，以及这些关系如何解释整体样本的行为和特性，后者结果解释侧重于个体层面，强调不同子群体的特征和行为模式。

相较于LPA，以变量为中心的研究路径主要关注个体有意义的特征，但是由于这些特征是被孤立地研究的，其对于探讨复杂的交互作用的效力有限 [ 11 ] 。而在以个体为中心的研究路径中，通过识别特定的潜在群体，有助于开发针对性的预测模型和干预策略。这在心理健康、教育和市场营销等领域尤为重要。例如在实践中类似ENFP、ISFP、INJT等性格测试相比于传统的大五人格测试更加流行。除此之外，以变量为中心的研究方法存在如下缺陷：第一，仅聚焦于单一变量或变量之间的关系，这与现实中个体的认知模式不匹配。一般而言，人对客观事物的认知评价是基于事物各种特征与属性高低组合形成的高效、简洁的认知图式 [ 12 ] ，LPA更接近于这种认知路径；2) 假定样本同质性。然而，对于现实世界而言，几乎所有研究中的变量都无法满足同质性要求 [ 13 ] ；3) 尽管有许多学者也尝试通过增加调节变量来分析不同变量之间的组合，但其分析得出的组合未必在现实中存在 [ 14 ] ，这容易使理论与实践脱节。

越来越多的学者意识到以变量为中心路径的局限性，主张采用个体为中心(person-centered)的视角重新思考问题 [ 5 ] 。该方法根据个体间共享反应模型将个体划分到不同子群体的分析技术，目的是识别异质性 [ 15 ] 。总之，通过对数据的深入分析，LPA可以揭示个体在不同群体中的细微差异。这有助于更好地理解和解释个体行为和心理过程。

潜在剖面分析的核心假设是数据中存在未观测到的、离散的潜在类别或剖面。这意味着个体可以根据他们在一系列变量上的得分或表现被分组到不同的子群体中。另一种与LPA类似的混合模型为潜在类别分析(latent class analysis, LCA)。在实际应用中，两者均以潜在类别变量解释其与外显变量之间的关系，其区别在于LPA主要适用于分析连续数据，而LCA用于类别数据，但是其统计分析原理是相似的 [ 16 ] 。

心理健康领域的研究多使用连续型外显指标来反映潜变量，LPA有助于研究者在连续数据上识别不同的亚群体或剖面，更贴近心理健康问题的实际情况。在临床实践中，心理健康状态通常被视为在连续谱上的变化，LPA可以提供更细致的连续谱分析，帮助研究者更好地理解临床情境。与LCA相比，LPA在处理混合类型数据时通常更加灵活。基于以上原因，本研究聚焦于介绍LPA。

特质剖面包括以个人特征，如人格、依恋风格、应对方式等为剖面对象，将群体进行再分类而形成的剖面类型。研究目的是探究特质剖面对个体心理健康的影响。有研究 [ 17 ] 对大五人格特质进行潜在剖面分析，得出三种人格剖面，分别是高适应剖面、适应性剖面和适应不良剖面。结果发现具有较高外向性、宜人性、尽责性、开放性和低神经质的高适应个体比其他亚群体具有更低的焦虑、抑郁和创伤后应激障碍症状；对人格的次变量自恋和自尊进行潜在剖面分析识别出了高自恋–高自尊、中高自我关注、中度自我关注、中低自我关注、高自恋–低自尊和低自我关注 [ 18 ] ，在这六种类型中，高自恋–中高自尊组会表现出积极的心理健康结果而高自恋–低自尊和低自我关注的亚群体报告较差的心理健康结果。除了人格这一因素外，个体的认知倾向与心理健康也存在紧密联系。研究基于个人的希望特质和防御方式对个体进行分类，发现剖面不仅与初始心理状况有关，也与心理健康状况的变化有关 [ 19 ] 。

潜在剖面分析不仅可以应用于不同变量的组合，还能对相同变量进行组合。青少年在成长的过程中，逐渐与父母和同伴形成了依恋关系，对不同依恋目标的状况进行组合，发现了五种依恋模式，研究中指出了具体模式与心理健康问题、不良行为问题之间的关系 [ 20 ] 。特质剖面有利于根据个体因素识别出存在心理健康风险的个体，从而进行早期预防。同时，研究中试图发现具有何种特征的人会更可能处于心理健康的状态，发现这些保护性特质对促进个体心理发展具有重要意义。

状态剖面包括对个体的内化问题、外化问题、生活满意度等心理健康状况的指标进行潜在剖面分析得出的剖面类型。研究中常常根据心理健康的双因素模型将群体的心理健康状况分为不同等级 [ 21 ] [ 22 ] [ 23 ] [ 24 ] ，探究不同的心理健康状况的稳定性与可变性。具体来说，心理健康双因素模型强调结合消极指标(如情绪问题、行为问题)和积极指标(如生活满意度、主观幸福感)，综合考虑个体间的异质性。状态剖面可从横断上探索与心理健康状况相关的各类因素，也能通过纵向研究探讨个体心理健康状态在不同时期是否会随时间发生显著变化。研究者们发现，在青少年样本中，大多数学生都处于完全心理健康的状态，且在整个高中阶段保持稳定 [ 21 ] [ 22 ] ，但部分学生存在心理健康状况消极转变的情况，进一步分析发现学业压力和同伴关系压力是导致情况恶化的风险因素 [ 23 ] ，而心理需求满足具有保护作用。随着研究的深入，学者们聚焦于问题指标，试图确定个体心理症状或行为风险的严重程度 [ 25 ] [ 26 ] [ 27 ] [ 28 ] 。非自杀性自伤(NSSI)是青少年中一个严重的公共健康问题，对存在NSSI行为的青少年进行潜在剖面分析，发现严重自伤组存在更大的心理健康风险 [ 25 ] ，在实践中需要尽早识别出易感群体。具有NSSI风险因素组合的青少年可能形成不同的亚群体，研究确定了三种不同的风险状况，低风险、中风险和高风险。NSSI风险模式随时间的变化与性别存在显著关联，因此，对于不同风险等级、不同性别的群体需要针对性和差异化的干预措施。

特质剖面和状态剖面侧重个体较为稳定的特质以及当前状态。而个人过去所发生的事件和经历对心理健康的影响同样值得重视。情境剖面主要对个体的童年不良经历等创伤性事件进行组合，最终形成多种事件经历的剖面类型。童年期逆境(ACEs)通常与成年后的心理健康问题有关，多数研究局限于单一或有限类型的不良生活事件，而采用潜在剖面分析能够综合更多类型的事件和经历，探讨不同的个人经历与心理健康指标间的关系。研究采用LPA识别出童年期逆境的三类 [ 29 ] 或四类 [ 30 ] 剖面，在此基础上分析情境剖面与心理健康结果的关系，比如，以身体忽视为主的逆境剖面与更高水平的焦虑、抑郁有关，单一或一般逆境结合高水平性虐待的剖面比低水平逆境剖面存在更多情绪问题 [ 30 ] ；ACEs低、中、高的不同等级对女性遭受亲密关系暴力的严重程度、抑郁症及创伤后压力症状具有直接预测作用 [ 29 ] 。在实际应用方面，情境剖面启示相关工作者们在进行临床评估时应考虑患者的重要经历，为其提供更加有效的干预方案。

综合剖面包括与个体相关的指标和情景相关的指标，共同使用这些指标进而对群体进行划分，最终得到统合了多个方面的剖面。有研究采用LPA检验青少年是否存在不同的社会情绪资源特征，综合了个体的情绪智力因素和社会情境支持，将青少年分为高社会情感资源、中社会情感资源、低社会情感资源这三种模式 [ 31 ] 。随后比较不同类别的青少年在抑郁水平、与健康相关的生活质量等心理健康的相关指标上是否存在显著差异，同时探究社会人口变量、自尊作为前因变量是否会影响青少年的社会情绪。除此之外，有研究综合了家庭背景、人格、心理健康因素进行潜在剖面分析，调查这几种剖面与七种成瘾行为的关联 [ 32 ] 。总的来说，综合剖面既可以作为在多种因素影响下所形成的结果，也可以作为其他心理和行为结果的预测因素。