潛在類別分析(Latent Class Analysis，LCA)是一種統計方法，主要用於分析和探索存在統計學關聯的分類外顯變量背後的類別潛在變量。
潛在類別分析是潛在變量分析的一種，它將潛在變量理論與分類變量相結合，通過潛在的類別變量來解釋外顯的類別變量之間的關聯。這種分析的基本假設是，各種外顯變量的反應概率分佈可以由少數互斥的潛在類別變量來解釋，每種類別對各外顯變量的反應選擇都有特定的傾向。潛在類別分析的目的在於利用最少的潛在類別數目來解釋外顯分類變量之間的關聯，並將個體分成不同的羣組。
例如，在教育或心理學研究中，通過學生在不同難度題目上的表現，潛在類別分析可以識別和分類不同能力水平的學生。這種方法在社會科學領域日益受到研究者的關注。