如何描述发展趋势的差异：潜变量混合增长模型

在追踪研究中,研究者不仅关心某一特质随时间的发展趋势,而且关注个体之间发展趋势的差异及其存在差异的原因。在总体发展同质的情形下,多层线性模型和潜变量增长曲线模型为解决这一问题提供了切实有效的方法。但是如果所研究的总体本身不同质,就需要一种能够描述总体中不同质子总体的不同发展特点的方法。该文简要介绍了一种能够描述不同群体不同发展趋势特征的统计模型——潜变量混合增长模型,并通过一个实际例子介绍了这一方法的应用过程,同时说明了潜变量混合增长模型与多层线性模型和潜变量增长曲线模型之间的关系     

国内追踪数据分析方法研究与模型发展

追踪研究因其可以得到比横断研究更有说服力的变量关系论证, 在心理学等科学中具有重要地位。梳理国内以心理学为主的相关领域中追踪数据分析方法研究的发表现状、主要解决的研究问题和模型发展。追踪研究可以进行均值差异比较、分析多变量相互影响、描述总体发展趋势及差异和探究心理动态变化过程。近20年的研究热点和发展思路也集中在上述研究问题当中, 特别是总体发展趋势及差异、多变量相互影响、总体发展趋势与多变量相互影响的融合、追踪研究设计、缺失数据等议题上。最后, 比较国内外研究的差异, 并结合交叉学科对国内追踪研究未来发展做出展望。     

多阶段混合增长模型的影响因素：距离与形态

通过模拟研究, 考察潜类别距离和发展形态等因素对多阶段混合增长模型的模型选择和参数估计的影响：(1)潜类别距离越大, 模型选择和分类效果越好。(2)混合模型的选择, 应以一定样本量(至少200)为前提, 首先考虑BIC选出正确的分类模型, 再通过熵值、ARI等选择分类确定性较高的模型。(3)多阶段的发展形态对正确模型的选择和分类的确定性均有一定程度影响。(4)潜类别距离和样本量越大, 参数估计精度越高。(5)在判断分类准确性的指标中, ARI的选择更偏向于真实的模型。     

老年人认知功能的变化轨迹：基于潜变量增长模型的分析

摘 要 本研究采用中国老年健康影响因素跟踪调查（CLHLS）的4次数据（2002,2005,2008,2011）,对老年人认知功能的变化趋势以及影响因素进行了探讨。结果显示：（1）老年人认知功能在4次测查中呈非线性的下降趋势。（2）日常生活活动能力较低的个体其认知功能也较低;老年人读书年限越高,其认知功能水平越高;女性的认知功能水平低于男性;不饮酒的老年人认知功能低于饮酒的老年人。（3）读书年限与饮酒会正向预测模型的斜率。     

儿童抑郁水平与学业成绩的发展轨迹：基于平行潜变量增长模型

采用自我报告和教师评价对535名小学3～4年级儿童抑郁水平与学业成绩的发展状况进行了三次追踪,通过交叉滞后回归分析和平行潜变量增长模型,考察抑郁水平与学业成绩的发展轨迹及其之间的相互作用。结果发现：（1）儿童抑郁水平和学业成绩在三年中都较为稳定,三年中上一年抑郁水平可以负向预测下一年的学业成绩,反之则不能;（2）儿童学业成绩的初始水平可以负向预测抑郁水平的发展速度。研究表明：较高的学业成绩可能是抑郁水平发展过程中的保护因素,为儿童情绪健康的研究提供了新的实证依据。     

儿童社交淡漠与学业成绩的发展轨迹：基于潜变量增长模型

采用同伴提名和教师评价对535名小学3~4年级儿童社交淡漠与学业成绩的发展进行了三次追踪研究,通过平行潜变量增长模型考察社交淡漠与学业成绩的发展轨迹及其相互作用模式。结果发现：（1）儿童社交淡漠和学业成绩在三年中较为稳定,三年中社交淡漠与学业成绩均呈负相关;（2）儿童学业成绩的初始水平可以负向预测社交淡漠的发展速度。该结果揭示学业成绩可能是儿童社交淡漠发展过程的重要保护因素,为儿童社会行为的健康发展提供了新的实证依据。     

追踪研究在组织行为学中的应用

追踪研究是一种通过引入时滞, 以探索变量动态变化趋势和变量之间相互关系的调查研究方法。近年来, 在组织行为学中, 追踪研究越来越受到学者们的关注, 追踪研究成果也在逐渐增加, 但是大多数研究者尤其是国内研究者, 对追踪研究尚缺乏全面正确的认识。追踪研究设计可以依照重复测量之间的时间间隔长短进行分类, 不同的类型对应不同的样本量、调查方式和统计分析方法, 未来可以拓展追踪研究在团队和领导力、组织文化和变革以及员工激励等方面的应用, 或开展跨文化的追踪研究。     

多阶段混合增长模型的方法及研究现状

多阶段混合增长模型(PGMM)可对发展过程中的阶段性及群体异质性特征进行分析,在能力发展、行为发展及干预、临床心理等研究领域应用广泛。PGMM可在结构方程模型和随机系数模型框架下定义,通常使用基于EM算法的极大似然估计和基于马尔科夫链蒙特卡洛模拟的贝叶斯推断两种方法进行参数估计。样本量、测量时间点数、潜在类别距离等因素对模型及参数估计有显著影响。未来应加强PGMM与其它增长模型的比较研究;在相同或不同的模型框架下研究数据特征、类别属性等对参数估计方法的影响。     

童年早期社会能力的发展：一个潜变量增长模型

对119名幼儿进行历时两年的三次追踪测试, 采用潜变量增长建模, 检验童年早期的社会能力是否呈线性增长, 并考察气质、性别、母亲受教育程度及其交互作用对社会能力发展水平与速度的预测作用。结果发现：(1)社会能力在两年中呈线性增长, 起始水平及发展速度均存在显著的个体差异; (2)女孩起始的社会能力水平高于男孩; 母亲受教育程度越高, 儿童起始的社会能力水平就越高; (3)气质节律性对社会能力增长速度的预测因儿童性别而异：节律性能够负向预测女孩社会能力的增长速度、正向预测男孩社会能力的增长速度。     

童年中晚期孤独感的发展轨迹：一项潜变量增长模型分析

使用问卷法和同伴提名法对884名小学二年级学生进行历时三年的四次追踪测试, 采用潜变量增长模型建模, 检验小学2~5年级学生孤独感的变化趋势, 并考察不同性别儿童孤独感变化的差异性以及同伴接纳对孤独感变化的影响。结果发现：(1) 2~5年级小学生孤独感呈曲线递减趋势, 递减速度逐渐减缓, 起始水平及发展速度均存在显著的个体差异; (2)女孩起始的孤独感水平显著低于男孩, 而发展速度、加速度则不存在显著的性别差异; (3)较高的同伴接纳对当时儿童孤独感的降低具有显著的促进作用。研究采用孤独感发展的情境观, 并结合儿童认知、自我发展的特点对结果进行了分析。     

纵向数据的中介效应分析

目前中介效应检验主要是基于截面数据,但许多时候截面数据的中介分析不适合进行因果推断,因而需要收集历时性的纵向数据,进行纵向数据的中介分析。评介了基于交叉滞后面板模型、多层线性模型和潜变量增长模型的纵向数据的中介分析方法及其四个发展。第一,中介效应随时间变化,如连续时间模型、多层时变系数模型。第二,中介效应随个体变化,如随机效应的交叉滞后面板模型和多层自回归模型。第三,中介模型的整合,如交叉滞后面板模型与多层线性模型整合为多层自回归模型。第四,中介检验方法的发展,建议使用Monte Carlo、Bootstrap和贝叶斯法进行纵向数据的中介分析。总结出一个纵向数据的中介分析流程并给出相应的Mplus程序。随后展望了纵向数据的中介分析的拓展方向。     

面向“为学习而测评”的纵向认知诊断模型

基于“为学习而测评”的理念,以促进学生学习为目的,客观量化学习现状并提供诊断反馈的测评模式日益受到重视。相比于横断认识诊断测评,纵向认知诊断测评更有利于实现促进学生发展的目标。为使国内学者系统性地了解纵向认知诊断模型,首先,依据建模逻辑将已有纵向认知诊断模型划分为基于潜在转换分析的和基于高阶潜在结构模型的两类,并逐一介绍和说明两类模型的理论基础和应用情景;然后,通过模拟研究为读者呈现如何使用纵向认知诊断模型进行数据分析及如何解读相应的诊断结果。最后,提炼出四个可进一步研究的议题。     

潜在增长模型下抑郁症状变化轨迹的研究进展

潜在增长模型已成为国外纵向研究的有力分析工具。通过对国外抑郁症状纵向研究及潜在增长模型应用研究的整理,发现患者抑郁症状的变化轨迹存在个体差异,但其中又存在相似特征,根据这些特征可以将抑郁症状的变化轨迹主要分为四种,早期症状快速减少、治疗期间症状缓慢平稳减少、早期症状减少后期出现反弹和症状未出现明显变化。通过总结该模型在抑郁症状研究领域的应用成果,了解抑郁症患者抑郁症状变化的情况,以期为我国相关研究的进一步开展提供新思路。

     

3～6岁儿童人格发展的群组序列追踪研究

目的:运用自编幼儿人格发展教师评定问卷对幼儿人格进行追踪测量,探讨其年龄及性别发展特点。方法:用整群抽样法选取3~3.5岁、3.5~4岁、4~4.5岁3个年龄群组幼儿为被试,采用群组序列的追踪设计,进行为期1年半的追踪测量,结合潜变量增长曲线模型和多层线性模型处理数据,探讨幼儿在3~6岁间人格的发展特点。结果:(1)幼儿的智能特征、认真自控、外倾性、亲社会性、情绪稳定性5个人格维度在3~4岁发展最快,4~5岁持续增长但发展速度放缓,到5~6岁时趋于平稳;(2)女孩的认真自控和亲社会性在3岁时显著高于男孩,但在3~6岁间的增长率不存在差异,即女孩的认真自控和亲社会性在幼儿阶段发展水平始终高于男孩。结论:从家庭进入幼儿园的环境变迁促使了幼儿人格的进一步发展,5岁左右幼儿人格开始初步形成;女孩的认真自控和亲社会性水平在幼儿阶段始终高于男孩。     

Examining Spirituality Over Time: Latent Growth Curve and Individual Growth Curve Analyses

SUMMARY

Research on spirituality and religiousness has gained growing attention in recent years; however, most studies have used cross-sectional designs. As research on this topic evolves, there has been increasing recognition of the need to examine these constructs and their effects through the use of longitudinal designs. Beyond repeated-measures ANOVA and OLS regression models, what tools are available to examine these constructs over time? The purpose of this paper is to provide an overview of two cutting-edge statistical techniques that will facilitate longitudinal investigations of spirituality and religiousness: latent growth curve analysis using structural equation modeling (SEM) and individual growth curve models. The SEM growth curve approach examines change at the group level, with change over time expressed as a single latent growth factor. In contrast, individual growth curve models consider longitudinal change at the level of the person. While similar results may be obtained using either method, researchers may opt for one over the other due to the strengths and weaknesses associated with these methods. Examples of applications of both approaches to longitudinal studies of spirituality and religiousness are presented and discussed, along with design and data considerations when employing these modeling techniques.