Augšanas maisījuma modelis (GMM)
Augšanas maisījuma modelis (Growth Mixture Model, GMM), ko 1999. gadā ieviesa Muthén un Shedden, ir longitudināls latento mainīgo modelis, kas identificē atšķirīgas apakšpopulācijas — latento trajektoriju klases —, katrai no kurām laika gaitā ir sava augšanas līkne. Tas paplašina standarta latento augšanas līknes (Latent Growth Curve, LGC) modeli, pieļaujot, ka izlase sastāv no nezināma klašu maisījuma ar atšķirīgiem nogriezieniem, slīpumiem un dispersijas struktūrām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Growth Mixture Model. ScholarGate. https://scholargate.app/lv/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.
- Eksploratīvā faktoru analīze (EFA)Statistika↔ compare
- Hierarhiskā lineārā modelēšana (HLM / daudzlīmeņu modelēšana)Statistika↔ compare
- Latentu klašu analīze (LCA)Statistika↔ compare
- Daudzveida imputācijaStatistika↔ compare
- Strukturālā vienādojumu modelēšana (SEM)Statistika↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →