mplus数据分析：增长模型潜增长模型与增长混合模型再解释

混合模型，增长混合模型这些问题咨询的同学还是比较多的，今天再次尝试写写它们的区别，希望对大家进一步理解两种做轨迹的方法有帮助。

首先，无论是LCGA还是GMM，它们都是潜增长模型的框框里面的东西：

Latent growth modeling approaches, such as latent class growth analysis (LCGA) and growth mixture modeling (GMM), have been increasingly recognized for their usefulness for identifying homogeneous subpopulations within the larger heterogeneous population and for the identification of meaningful groups or classes of individuals

我们一开始做增长模型或者增长曲线模型的时候，初始的目的就是看轨迹，最简单的想法就是看看我的研究人群的某个变量的轨迹随着时间是如何发展的，这是目的1--------不考虑异质性，认为所有的人都有同样的轨迹，协变量对所有人的作用都是一样的。

然后更进一步，人们发现，其实人群中就算是同一个变量（特质）是存在着不同的轨迹的，如果我们单单认为一个轨迹能说明问题，其实是将问题过分地简单化了，是不对的-------这个时候考虑轨迹的潜类别和才是更加好的方法------考虑轨迹的潜类别就涉及到两个方法了一个就是GMM另一个就是LCGA。

增长混合模型GMM

下图左边是全体个案的增长轨迹，传统的增长模型试图去描述整个群体的增长情况，认为所有个体的增长情况都可以用一个总的平均增长趋势去描述（左图中的实线）。但是我们看整个人群中的其中一个亚组人群（右图），其实这个亚组的增长趋势是和人群总体大不相同的，人群的总体趋势是在上升，此亚组则是在下降，这也是从一个侧面说明考虑轨迹的潜类别的重要意义，我就是希望通过这么一套方法识别出整体轨迹发展的异质性，实现分类和干预的精准化：

其