作者:屠西茜 審稿:歡暢 封面:吉江
潛變數增長模型概述
作者:屠西茜 稽核:歡暢
在社科研究中,研究者經常會關心
隨著時間的變化
,研究中某些值的
整體發展趨勢、個體發展趨勢及變化趨勢的個體差異
。例如,在教育學領域,教育研究者對學生學習投入隨年級增加的變化情況的研究;在心理學領域,發展心理學家對人格特質隨年齡增長而變化的趨勢的研究;在醫學領域,研究者觀察癌細胞增殖變化的時間程序。諸如此類,都涉及
對事物隨時間變化過程的刻畫
。
為解決此類問題,
追蹤研究
逐漸成為普遍使用的方法。縱向研究是指隨著時間的推移對物件進行追蹤調查,並對每個感興趣的變數進行重複測量。與橫斷面資料相比,縱向研究由於可以推斷變數間的因果關係而受到研究者的青睞。對於追蹤資料的分析,相應的分析方法有很多,合理的方法不僅要能描述總體的發展趨勢,而且應該能夠就個體之間發展趨勢的差異進行分析和解釋。本期,我們將擴充套件結構方程模型(SEM)在縱向資料分析中的應用,為大家介紹一種較為新穎的方法——潛變數增長曲線模型(Lantent Growth Modeling,LGM)。
潛變數曲線增長模型代編了一類廣泛的統計方法,這些方法允許更好的假設表述,提供更好的統計效力。LGM不僅可以直接檢測個人在不同時點的變化,而且能夠檢查不同個體之間的差異。這個模型的好處不僅在於它能夠建構變化模型,還在於它允許研究者探尋變化的前因後果。
潛變數增長曲線模型框架可以讓研究者檢驗以下問題:
(1)隨著時間的推移,均值變化趨勢的形態是什麼樣的?
(2)最初的水平是否可以預測變化速度?
(3)兩組或多分組是否在變化軌跡上有區別?
(4)是否可以透過均值變化趨勢的速度或彎曲度預測重要的結果?
(5)哪些變數與隨著時間的推移而產生的變化有系統的關聯?
(6)根據觀測資料,關於變化軌跡的理論假設是否站得住腳?
(7)變化軌跡的形態是否存在顯著的個體間差異?
(8)一個變數的變化是否與另一個變數的變化相關?
在實際應用LGM時,我們的目的通常是系統地研究
結果隨時間增長的特徵
,例如潛在增長軌跡的形式(例如線性或非線性),結果測度的初始水平,結果變化的速率,變化之間的個體差異,變化率與初始結果水平之間的關聯以及軌跡變化的確定性。在應用中,我們不僅可以在模型中加入不隨時間進展而變化的固定協變數,還可以分析隨時間而變化的時變協變數,以探討協變數對發展軌跡的影響。
對於潛變數增長曲線模型的的基礎部分我們簡單介紹到這裡,如果想進行更加深入的理解請參考下方列出的書單。接下來的幾期我們要開始介紹使用Mplus進行各種模型的實際操作,下期見。
參考書單
1、劉紅雲。 追蹤資料分析方法及其應用[M]。 教育科學出版社, 2005。
2、[美] 克里斯托弗·普里徹 / [美] 阿斯榮·威克曼 / [美] 羅伯特·麥卡勒姆 / [美] 南希·布里格斯。潛變數增長曲線模型[M]。格致出版社,2012。
3、王孟成。 潛變數建模與Mplus應用(進階篇)[M]。 重慶大學出版社, 2018。
4、宋秋月, 伍亞舟。 縱向資料潛變數增長曲線模型及其在 Mplus 中的實現[J]。 中華流行病學雜誌, 2017, 38(8): 1132-1135。
溫
馨
提==
示
學堂正在招募內容主筆、短影片創作者、課程講師,請在公眾號底部選單欄點選“招聘”瞭解詳情!