多阶段混合增长模型的影响因素：距离及形态.pdf

心理学报 2014, Vol. 46, No.9, 1400−1412 Acta Psychologica Sinica DOI: 10.3724/SP.J.1041.2014.0 1400 * 1,2 1 1 (1 北京师范大学心理学院应用实验心理北京市重点实验室, 北京 100875) (2 香港中文大学教育心理系, 香港) 通过模拟研究 , 考察潜类别距离和发展形态等因素对多阶段混合增长模型的模型选择和参数估计 的影响：(1)潜类别距离越大 , 模型选择和分类效果越好。(2)混合模型的选择, 应以一定样本量(至少 200)为 前提 , 首先考虑 BIC 选出正确的分类模型 , 再通过熵值、ARI 等选择分类确定性较高的模型。(3)多阶段的 发展形态对正确模型的选择和分类的确定性均有一定程度影响。(4)潜类别距离和样本量越大 , 参数估计精 度越高。(5)在判断分类准确性的指标中, ARI 的选择更偏向于真实的模型。 多阶段混合增长模型(PGMM); 潜类别增长分析(LCGA); 潜类别距离(SMD); 发展形态 B841 1 引言 纵向研究(Longitudinal analysis)对于个体发展 规律的描述、解释、预测都有重要的意义,是对个体 或群体特质长时间观察多次记录的研究范式。与横 断研究相比, 追踪研究更耗时、费用不菲, 但是它 可以对变量之间的因果关系做出合理的假设, 也可 以就某一现象随时间的变化规律进行分析。 1.1 多阶段混合增长模型概要 在纵向研究中, 研究者可以用潜变量增长模型 图 1 多阶段混合增长模型(PGMM)示意图 (Latent growth modeling, LGM)来描述群体的发展 趋势以及个体差异。该模型假设观测群体同质和发 在图 1 中, 假设有 6 次观测, 存在两个潜在类 展趋势连续。如果存在发展趋势不同质的多个群体, 别(c1 和 c2), 每个类别都有两个发展阶段, 转折点 也就是存在潜类别、未观测到的异质性(unobserved 在时间点 t3 处。一个 PGMM 模型可以如下定义： (k ) (k ) (k ) (k ) heterogeneous), 抑或发展趋势不连续 (不能用一个 y = Λ η + ε (1) i i i 连续函数表达), 即存在多个发展阶段, 这时一般 (k ) (k ) (k ) η = μ + ζ (2)