Mplus数据分析：分段潜增长模型，看jama如何玩转纵向数据的轨迹

原创

已于 2022-03-20 17:27:52 修改 · 2.2k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#数据分析

于 2022-03-20 17:27:51 首次发布

今天给大家介绍分段潜增长模型的原理和做法，之前我有给大家写增长混合和潜增长，它们的主要的局限在于轨迹都是连续的不能分段，在于对phasic的现象把握其实还是不够的，比如儿童认知的发展，按照理论，它是可以明显分段的，如果这个时候我们非要给人家拟合一个连续曲线？万一人家发展就是分了两个阶段线性发展的呢？所以这些方法还是不太好，今天给大家介绍分段潜增长模型，专门解决这个问题。

理论铺垫

增长混合模型之前有给大家写，其优点在于可以看轨迹，局限性在于趋势不好解释。什么意思呢，其实很多时候我们拟合不出来一组十分有意义的轨迹的，这个时候我们可以转而看轨迹内部发展的情况，往往可以挽救一个课题。

就是说我们将纵向轨迹分段解释，像下图有可能就有意思了，或者是自己本来就是一个很长时间随访的数据，比如从6岁随访到18岁，有可能12岁是一个转折点，这个时候我们以12岁为界拟合两段斜率，有可能更加符合实际。或者是理论告诉我，我研究的特质本来在6到18岁本来就应该是2个发展阶段，这个时候我们也应该用分段增长模型来拟合特质的发展情况：

Piecewise growth curve model (PGCM) is often used when the underlying growth process is hypothesized to consist of phasic developments connected by turning points (or knots or change points)