ScholarGate
Asszisztens
Latent structure

Növekedéskeverék-modell (Growth Mixture Model, GMM)

A Muthén és Shedden által 1999-ben bevezetett Növekedéskeverék-modell (GMM) egy longitudinális, Латенс változós módszer, amely különálló szubpopulációkat – Латенс pályaelosztási osztályokat – azonosít, amelyek mindegyike saját növekedési görbéjét követi az idő múlásával. Kiterjeszti a standard Латенс Növekedési Görbe (LGC) modellt azáltal, hogy lehetővé teszi a minta számára, hogy különböző interceptumokkal, meredekségekkel és variancia struktúrákkal rendelkező osztályok ismeretlen keverékéből álljon.

Alkalmazás ezzel: StatMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. Muthén, B. O. & Shedden, K. (1999). Finite Mixture Modeling with Mixture Outcomes Using the EM Algorithm. Biometrics, 55(2), 463–469. DOI: 10.1111/j.0006-341x.1999.00463.x

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 1). Growth Mixture Model. ScholarGate. https://scholargate.app/hu/statistics/growth-mixture-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateGMM (Growth Mixture Model). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/statistics/growth-mixture-model · Adatkészlet: https://doi.org/10.5281/zenodo.20539026