多阶段混合增长模型的方法及研究现状-心理学报.PDF

心理科学进展 2017, Vol. 25, No. 10, 1696–1704 Advances in Psychological Science DOI: 10.3724/SP.J.1042.2017.0 1696 多阶段混合增长模型的方法及研究现状* 1,2 5 1,2,3,4 6 4 王 婧 唐文清 张敏强 张文怡 郭凯茵 (1 华南师范大学心理学院) (2 华南师范大学心理应用研究中心) (3 华南师范大学广东省心理健康与 认知科学重点实验室) (4 广东省心理学会, 广州 510631) (5 广西大学教育学院, 南宁 530004) (6 广东财经大学创业教育学院, 广州 511300) 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。 关键词 追踪数据; 混合增长模型; 多阶段混合增长模型; 参数估计方法 分类号 B841 1 引言 析(Repeated Measures Analysis of Variance), 阶层 线性模型(Hierarchical Linear Models, HLM)和潜 追踪研究对个体在不同时间点进行多次测量, 变量增长模型(Latent Growth Models, LGM) 。重复 探讨和研究个体及群体的发展变化规律, 在心理 测量方差分析将总变异分解为被试内(测量间)变 学、教育学、社会学等学科中有广泛的应用。随 异和被试间(个体间)变异, 通过被试内效应可描 着理论探讨的深入, 追踪研究的目的不仅在于确 述被试的平均发展趋势, 但不能描述发展轨迹的 定个体的某种特质在研究时段内是否发生变化, 变化特点。HLM 是分析嵌套数据的方法, 用于分 还在于关注变化的具体过程(Cudeck Klebe, 析追踪数据时, 将追踪数据看成具有测量和个体 2002), 如个体发展的初始水平、发展过程中的变 两个水平的嵌套结构数据, 通过测量水平描述个 化速率、发展过程中的加速和减速的时期、个体 体特质随时间的发展趋势, 通过个体水平描述个 进入和离开不同发展阶段的时间、以及个体最终 体之间变化差异(张雷, 2003) 。HLM 既可描述总体 达到或者趋近的发展水平等(Grimm, Ram,