潛變數增長曲線模型概述

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