-
题名多阶段增长模型的方法比较
被引量：10
- 1
-
-
作者
刘源
赵骞
刘红云
-
机构
香港中文大学教育心理系
北京师范大学心理学院
北京师范大学心理学院应用实验心理北京市重点实验室
中国基础教育质量评价与提升协同创新中心
-
出处
《心理学探新》
CSSCI
2013年第5期415-422,450,共9页
-
基金
国家自然科学基金项目(31100759)
全国教育科学“十二五”规划教育部重点课题(GFA111001)
-
文摘
多阶段增长模型(Piecewise Growth Modeling,PGM)可以解决发展趋势中具有转折点的情形,并且相对其他复杂的曲线增长模型,解释更简单。已有的统计方法主要通过多层线性模型和潜变量增长模型对多阶段模型进行估计。通过模拟研究,用HLM6.0和Mplus6.0对上述两种模型分别进行估计,结果发现在参数估计的精度上,两种估计方法没有差异,只是在犯一类错误的概率上后者略小。进一步通过对错误模型的探讨发现,在样本量小(n=50),斜率变化小(Δb=0.2)时,用线性模型拟合数据而非PGM所犯错误概率较小,整体拟合更佳。但随着样本的增加和斜率变化的增加,错误模型的犯错概率明显增大。故在实际应用中,为了能更好拟合数据,研究者应根据数据本身的情况选择恰当的模型。
-
关键词
多阶段增长模型
参数估计
模型拟合
一类错误
-
Keywords
piecewise growth modeling
parameter estimation
model fit
type I error
-
分类号
B841.2
[哲学宗教—基础心理学]
-
-
题名多阶段混合增长模型的影响因素:距离与形态
被引量：19
- 2
-
-
作者
刘源
骆方
刘红云
-
机构
北京师范大学心理学院应用实验心理北京市重点实验室
香港中文大学教育心理系
-
出处
《心理学报》
CSSCI
CSCD
北大核心
2014年第9期1400-1412,共13页
-
基金
国家自然科学基金(31100759)
全国教育科学"十二五"规划教育部重点课题(GFA111001)
+1 种基金
教育部人文社会科学研究青年基金项目(11YJC190016)
北京市与中央在京高校共建项目(019-105812)资助
-
文摘
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。
-
关键词
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
-
Keywords
piecewise growth mixture modeling （PGMM）
latent class growth analysis （LCGA）
distance oflatent classes （SMD）
pattern of the growth trajectory
-
分类号
B841
[哲学宗教—基础心理学]
-
-
题名多阶段混合增长模型的方法及研究现状
被引量：7
- 3
-
-
作者
王婧
唐文清
张敏强
张文怡
郭凯茵
-
机构
华南师范大学心理学院
华南师范大学心理应用研究中心
广西大学教育学院
华南师范大学广东省心理健康与认知科学重点实验室
广东省心理学会
广东财经大学创业教育学院
-
出处
《心理科学进展》
CSSCI
CSCD
北大核心
2017年第10期1696-1704,共9页
-
基金
广州市教育科学"十二五"规划2014年度重大课题"基于现代教育测量学的中小学学业质量评价应用研究"(课题编号:1201411413)
-
文摘
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
-
Keywords
longitudinal data
growth mixture models
piecewise growth mixture models
parameter estimation methods
-
分类号
B841
[哲学宗教—基础心理学]
-
