多阶段混合增长模型的方法及研究现状

摘要：

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.

关键词：追踪数据、混合增长模型、多阶段混合增长模型、参数估计方法

所属期刊栏目：25

分类号：B841(心理学)

资助基金：广州市教育科学“十二五”规划2014年度重大课题“基于现代教育测量学的中小学学业质量评价应用研究”1201411413

在线出版日期：2017-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1696-1704