多阶段混合增长模型的方法及研究现状

发布时间：2019-09-22 08:20

【摘要】：多阶段混合增长模型(PGMM)可对发展过程中的阶段性及群体异质性特征进行分析,在能力发展、行为发展及干预、临床心理等研究领域应用广泛。PGMM可在结构方程模型和随机系数模型框架下定义,通常使用基于EM算法的极大似然估计和基于马尔科夫链蒙特卡洛模拟的贝叶斯推断两种方法进行参数估计。样本量、测量时间点数、潜在类别距离等因素对模型及参数估计有显著影响。未来应加强PGMM与其它增长模型的比较研究;在相同或不同的模型框架下研究数据特征、类别属性等对参数估计方法的影响。
【图文】：

曲线,增长曲线,发展阶段,增长模型

1698心理科学进展第25卷图1PGM、GMM与PGMM之间的关系(引自Kim&Kim,2012)图2两阶段的增长曲线模型(引自Lietal.,2001)第二阶段的增长速率相近。PGMM是PGM和GMM的整合和拓展,具有PGM和GMM两者的优点。一方面,PGMM引入潜在类别变量来描述群体内部发展的异质性,使类别内的个体发展趋势具有同质性,不同类别之间具有异质性;另一方面,增加生长因子,描述各个类别在不同阶段的不同发展趋势,不同潜在类别的相应发展阶段的变化速率和节点位置可不同(Kim&Kim,2012;Kohlietal.,2016;Kohli,Hughes,Wang,Zopluoglu,&Davison,2015;Lietal.,2001)。2.2多阶段混合增长模型的类型PGMM主要有三种类型：传统多阶段混合增长模型(TraditionalPiecewiseGrowthMixtureModels,TPGMM)、间断的多阶段混合增长模型(DiscontinuousPiecewiseGrowthMixtureModels,DPGMM)、跨类别发展的混合增长模型(SequentialProcessGrowthMixtureModels,SPGMM)。三类模型的主要差别在于增长曲线是否连续及潜在类别变量的个数。TPGMM的增长曲线包含多个发展阶段,相邻两个发展阶段之间是连续不间断的,且模型只包含一个潜在类别变量,个体在整个变化过程中所属的类别保持不变(图2所示即是TPGMM拟合的增长曲线)。DPGMM的增长曲线也包含多个发展阶段,模型中也只包含一个潜在类别变量,但其增长曲线的相邻发展阶段之间是不连续的,中间存在一个“跳跃”(leap)时段(见图3)。图3所示的是DPGMM的某个潜在类别的增长曲线,可以看到,增长曲线的两个发展阶段并不在一条连续的曲线上,而位于中间跳跃时段处,转折点没有精确的位置。与DPGMM类似,SPGMM增长曲线的相邻发展阶段的转折点也出现在中间的跳跃时段处,与前两类模型不同的是,SPGMM包含多个潜在类别变量,增长曲线的每个发展阶

曲线,增长曲线模型,增长曲线,发展阶段

【相似文献】