• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Structural equation modeling >The Latent Variable-Autoregressive Latent Trajectory Model: A General Framework for Longitudinal Data Analysis
【24h】

The Latent Variable-Autoregressive Latent Trajectory Model: A General Framework for Longitudinal Data Analysis

机译：潜在变量-自回归潜在轨迹模型：纵向数据分析的通用框架

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In recent years, longitudinal data have become increasingly relevant in many applications, heightening interest in selecting the best longitudinal model to analyze them. Too often, traditional practice rather than substantive theory guides the specific model selected. This opens the possibility that alternative models might better correspond to the data. In this paper, we present a general longitudinal model that we call the Latent Variable-Autoregressive Latent Trajectory (LV-ALT) model that includes most other longitudinal models with continuous outcomes as special cases. It is capable of specializing to most models dictated by theory or prior research while having the capacity to compare them to alternative ones. If there is little guidance on the best model, the LV-ALT provides a way to determine the appropriate empirical match to the data. We present the model, discuss its identification and estimation, and illustrate how the LV-ALT reveals new things about a widely used empirical example.
机译：近年来，纵向数据在许多应用中变得越来越重要，这引起人们对选择最佳纵向模型进行分析的兴趣。通常，传统实践而不是实体理论指导选择的特定模型。这开辟了替代模型可能更好地与数据相对应的可能性。在本文中，我们提出了一个一般的纵向模型，我们称其为潜变量-自回归潜轨迹（LV-ALT）模型，其中包括大多数其他带有连续结果的纵向模型，作为特殊情况。它能够专门研究大多数由理论或先前研究确定的模型，同时具有将它们与替代模型进行比较的能力。如果关于最佳模型的指导很少，则LV-ALT提供一种方法来确定与数据的适当经验匹配。我们介绍该模型，讨论其识别和估计，并说明LV-ALT如何揭示关于广泛使用的经验示例的新事物。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号