社會科學研究中經常使用統計分析方法來協助研究者做判斷。然而，不同的統計方法有其不同的適用情境或條件限制，絕大部分使用的決策都與收集之資料的測量尺度與資料型態有關。一般而官，研究者對於連續性變項的處理方法較為熟悉，而對於類別資料的處理方法則侷限於常見的邏輯迴歸分析或對數線性模型等分析方法。此外，部分的統計方法目的在於精簡測量變項的向度，較常見的方法也是處理連續性資料的因素分析等，而對於類別變項的資料之精簡方法則較不熟悉。因此，本文將以實例說明潛在結構模式的應用，這種方法的主要目的或其應用時機是在於將多個外頻類別變項精簡為一個也是多類別的潛在因素(Latent Factor)。本文先介紹潛在結構模式的基本原則與運算過程，並使用McCutcheon(1996)的資料，嘗試由民眾在四種不同情境下：(1)健康理由(2)受暴理由(3)貧窮理由及(4)單身理由，是否贊成墮胎的意見中，整合分析出一個具有多類別的墮胎態度（潛在因素）。經過使用Clogg所發展的MLLSA套裝軟體的運算，得到一個三類別的墮胎態度，分別命名為「自向型」、「情境型」及「保守型」。潛在結構模式分析的目的並不只是在於發展並找出潛在因素之類型而已，研究者常會再利用這個多類別潛在因素作進一步的分析，如探討教育、宗教信仰及社經地位等變項對墮胎態度的影響；或者將墮胎態度當成一個自變項，再去探討它對避孕方法或婚前性行為等現象的可能影響，然而這個部分並不是本文撰寫的重點所在，因此這部分有待相關主題研究者進一步地加以發揮。

This paper discusses latent structure models and their application in behavioral science research, illustrating the use of such models with an empirical example. The data used as an example are adopted from the crosstabs of abortion attitudes in McCutcheon's study (1996). This example considers a single latent variable (X) with four observed indicators (A, B, C, and D). The indictor variables examine the respondents' approval of legalized abortion under four scenarios: when the health of the woman is seriously jeopardized (health reason), when the pregnancy is the result of rape (rape reason), when the (married) woman is too poor to have additional children (poor reason), and when the (single) woman does not wish to marry the man (single reason). MLLSA program originally developed by Clogg was used to analyze the data and the latent structure model using three classes was found to be the best fit for the data. The three latent classes were named the liberal type (36%), contingent type (41%), and conservative type (23%), respectively. Interpretation of the models is provided in this paper. The latent structure model is shown to be appropriate for a broad range of empirical problems in the behavioral sciences.