• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Educational and Psychological Measurement >Piecewise Linear-Linear Latent Growth Mixture Models With Unknown Knots
【24h】

Piecewise Linear-Linear Latent Growth Mixture Models With Unknown Knots

机译：具有未知结的分段线性-线性潜在增长混合模型

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

Latent growth curve models with piecewise functions are flexible and useful analytic models for investigating individual behaviors that exhibit distinct phases of development in observed variables. As an extension of this framework, this study considers a piecewise linear-linear latent growth mixture model (LGMM) for describing segmented change of individual behavior over time where the data come from a mixture of two or more unobserved subpopulations (i.e., latent classes). Thus, the focus of this article is to illustrate the practical utility of piecewise linear-linear LGMM and then to demonstrate how this model could be fit as one of many alternatives-including the more conventional LGMMs with functions such as linear and quadratic. To carry out this study, data (N = 214) obtained from a procedural learning task research were used to fit the three alternative LGMMs: (a) a two-class LGMM using a linear function, (b) a two-class LGMM using a quadratic function, and (c) a two-class LGMM using a piecewise linear-linear function, where the time of transition from one phase to another (i.e., knot) is not known a priori, and thus is a parameter to be estimated.
机译：具有分段功能的潜在增长曲线模型是灵活且有用的分析模型，用于调查在观察变量中表现出不同发展阶段的个体行为。作为此框架的扩展，本研究考虑了分段线性-线性潜在增长混合模型（LGMM），用于描述个体行为随时间的分段变化，其中数据来自两个或多个未观察到的子种群（即潜在类别）的混合。因此，本文的重点是说明分段线性-线性LGMM的实用性，然后说明如何将该模型作为许多替代方案之一进行拟合，包括更常规的具有线性和二次函数的LGMM。为了进行这项研究，从过程学习任务研究中获得的数据（N = 214）被用于拟合三个备选LGMM：（a）使用线性函数的两类LGMM，（b）使用线性函数的两类LGMM二次函数，以及（c）使用分段线性-线性函数的两类LGMM，其中从一个相位到另一个相位（即结）的过渡时间不是先验的，因此是要估计的参数。

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