Latent structure
生长混合模型 (GMM)
生长混合模型（Growth Mixture Model, GMM），由Muthén和Shedden于1999年提出，是一种纵向潜在变量方法，用于识别不同的亚群体——潜在轨迹类别——每个亚群体随时间遵循自己的生长曲线。它扩展了标准的潜在生长曲线（LGC）模型，允许样本由具有不同截距、斜率和方差结构的未知类别混合而成。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 1). Growth Mixture Model. ScholarGate. https://scholargate.app/zh/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.
- 探索性因子分析（EFA）统计学↔ compare
- 分层线性模型 (HLM / 多层模型)统计学↔ compare
- 潜在类别分析 (LCA)统计学↔ compare
- Multiple Imputation统计学↔ compare
- 结构方程模型 (SEM)统计学↔ compare