-
题名多阶段混合增长模型的影响因素:距离与形态
被引量：24
- 1
-
-
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]
-
-
题名潜变量量尺的拓展及研究展望
被引量：4
- 2
-
-
作者
刘源
刘红云
-
机构
北京师范大学心理学院
香港中文大学教育学院
-
出处
《统计与决策》
CSSCI
北大核心
2015年第6期8-12,共5页
-
基金
国家自然科学基金资助项目(31100759)
-
文摘
随着潜类别分析(LCA)技术的发展,研究者对于总体异质性的问题越来越关注。在潜变量量尺拓展之后,潜类别模型的方法也被广泛的应用到各领域。在横断研究中,LCA与混合因素分析模型(FMA)常被使用在探索总体分群和因素分群的研究中;在追踪研究中,潜类别转换分析(LTA)重点讨论群的调节作用和分类结果随时间变化的不同,而潜类别增长分析(LCGA)和混合增长模型(GMM)则关注发展趋势;多水平模型(MLM)也针对嵌套数据应用在横断与追踪研究中,衍生出近年来成为热点的多水平混合模型(MMM)。
-
关键词
潜类别分析(LCA)
混合因素分析(FMA)
混合增长模型(GMM)
潜类别转换分析(LTA)
多水平混合模型(MMM)
-
分类号
B841.2
[哲学宗教—基础心理学]
-
