增长混合模型:分析不同类别个体发展趋势

追踪研究可以展现个体随时间的变化趋势、个体间差异并更好地揭示变量之间的因果关系,日益受到社会科学研究者的青睐,处理追踪数据的统计模型也日新月异。传统的分析模型假设样本同质,然而当此假设不满足时,就需要考虑群体的异质性问题。目前,处理异质性样本增长问题的模型主要有潜类增长模型(或组基增长模型)和增长混合模型。增长混合模型构成一般的形式,在一定条件下传统的潜在增长曲线模型和潜类增长模型均是其特例。沿着增长混合模型的发展路径,本文从应用性角度介绍了上述三个模型各自的特点、优势和Mplus软件实现,并通过一个实例演示了分析过程。最后,对当前研究存在的问题和将来的研究方向做了简要讨论。