메인 다른 잠재 성장 곡선 분석

잠재 성장 곡선 분석

개요

소프트웨어

기술

웹 사이트

판독

과정

개요

시간에 따른 변수의 변화 궤적을 분석하는 데 사용할 수있는 몇 가지 통계적 접근 방식이 있습니다. 가장 간단한 접근 방식은 한 시점에서 두 번째 시점 (변경 점수)으로의 변수 변화를 설명하는 것입니다. 그러나 시간이 지남에 따라 두 개 이상의 평가를 포함하는 종단 연구에서는 변화의 궤적을 설명 할뿐만 아니라 변수와 예측 변수의 상호 관계를 결정하기 위해 더 정교한 기술이 필요합니다.

기술

잠재 성장 곡선 분석 (LGCA)은 구조 방정식 모델링을 기반으로하는 강력한 기술입니다. 여기서 직접 논의하지 않을 또 다른 접근 방식은 일반 선형 회귀의 통계 기법을 사용하고 고정 및 랜덤 효과를 지정하는 다단계 모델링입니다. 반면에 LGCA는 시간이 지남에 따라 근본적인 잠복적이고 관찰되지 않은 프로세스의 관점에서 변화를 고려합니다. 두 접근 방식은 유사하며 대부분의 경우 동일한 추정치를 산출합니다. 그러나 LGCA는 어떤면에서 다단계 모델링보다 더 유연하며 다단계 모델링에서는 불가능한 질문을 탐색 할 수 있습니다. 예를 들어, 다단계 모델링은 시간 점수를 다르게 취급합니다. 시간 점수는 MLM에서 데이터로 간주되지만 LGCA의 매개 변수가 될 수 있으며 추정 할 수 있습니다. LGCA를 사용하면 변화의 궤적 측면에서 방향과 기능적 형태를 설명 할 수 있습니다. 또한 연구 질문에 관심이있는 경우 곡선의 절편 또는 초기 수준을 조사 할 수 있습니다. 그러나 아마도 가장 중요한 것은 표본의 평균 곡선 또는 절편을 제공하는 그룹 통계 대신 LGCA는 각 개인 또는 개인 그룹에 대한 고유 한 곡선을 나타낼 수 있으며 평균 함수와의 편차로 표현할 수 있습니다. 연구원의 관심. 고유 궤적을 평균화하여 발생하는 정보 손실을 집계 편향이라고도합니다. 개인이 시간이 지남에 따라 변수에서 긍정적 인 변화와 부정적인 변화를 가질 수 있다고 가정한다면, 궤적을 집계하거나 평균화하는 절차는 변화를 설명하는 데 적절하지 않습니다. 개인의 궤적이 다른 사람의 영향을 취소하거나 가릴 수 있기 때문입니다. 궤적.

LGCA의 강점 중 하나는 유연성입니다. 단일 변수 (절편 및 기울기로 특성화 됨)의 단일 성장 궤적에서 시작하여 더 복잡한 모델로 진행하는 등 관심있는 다양한 매개 변수를 분석하고 모델링 할 수 있습니다. 사실, 몇 가지 모델은 특정 가정이 충족 될 때 가능한 LGC 모델의 특수하거나 제한된 경우로 간주 될 수 있습니다. 예를 들어, 분산 및 요인 분석의 반복 측정 분석입니다. LGCA를 사용하면 성장의 분산을 분할하고 다양한 예측 변수를 분석 할 수 있습니다. 고유 한 성장 곡선을 가진 케이스 클러스터를 찾을 수 있습니다. 기존 회귀 접근법과 달리 시간별 측정 오류를 통합 할 수도 있습니다.이 방식은 이분산성을 허용하고 측정 오류와 별도로 매개 변수를 추정 할 수 있도록하여 결과의 ​​신뢰성을 보장합니다. LGCA는 또한 전통적인 회귀 접근법과 달리 기울기에 대한 분산과 절편에 대한 분산 간의 공분산을 허용합니다. 마지막으로, 다변량 LGCA 모델을 사용하면 시간이 지남에 따라 반복적으로 측정 된 여러 결과 변수 간의 종단 적 연관성을 모델링하고 테스트 할 수 있습니다. LGCA의 약점 중 하나는 구조 방정식 모델 (SEM)의 언어와 기술을 사용한다는 것입니다. 설계 및 분석에는 전문 지식과 고급 교육이 필요합니다. 또한 시간이 지남에 따라 누락 된 관측치와 불균등 한 간격의 관측치는 모델에서 특별한 처리가 필요합니다.
LGCA의 분석적 접근을 이해하기 위해서는 SEM에 대한 배경 지식이 필요합니다. SEM은 관찰 된 변수와 잠재 변수 간의 연관 패턴을 테스트 할 수있는 일반적인 모델링 프레임 워크를 나타냅니다. 변수 간의 분산 및 공분산 테스트를 통해 변수 간의 관계를 테스트 할 수 있습니다. SEM은 인과 관계 모델링, 경로 분석, 요인 분석 및 회귀 모델을 포함하여 다양한 목적으로 사용되었습니다. 많은 SEM을 경로 다이어그램으로 작성할 수 있습니다. 예를 들어, 단순 선형 회귀 방정식 Y = aX + e는 다음 경로 다이어그램에서 표현할 수 있습니다. http://www.statsoft.com/textbook/structural-equation-modeling/ ). 경로 다이어그램에서 화살표는 종속 변수를 가리키는 화살표와 화살표 막대 위에 표시된 가중치 계수를 사용하여 독립 변수를 종속 변수에 연결합니다. 독립 변수 및 오차 항 (또는 잔차)의 분산도 표시되고 화살촉이없는 곡선으로 적절한 변수에 연결됩니다. 관찰 된 변수는 상자로 둘러싸여 있고 잠복 또는 관찰되지 않은 변수는 타원으로 둘러싸여 있습니다.

하나는 이러한 경로 다이어그램을 사용하여 변수 간의 가설 된 상호 관계를 설명합니다. SEM의 기본 규칙은 관찰 된 데이터를 사용하여 변수의 분산 및 공분산을 계산할 수 있도록합니다. 그런 다음 모델이 데이터에 적합한 지 확인하기 위해 분산 및 공분산의 공식 테스트가 수행됩니다. LGCA 모델을 프로그래밍하려면 일반적으로 궤적을 모델링하기 위해 시간이 지남에 따라 최소 3 번의 반복되는 변수 측정이 필요합니다 (다른 시점에서 2 개의 측정 만 사용하면 추정 할 수있는 최고는 직선 임). 또한 일반적인 경험 법칙은 분석에서 적절한 힘을 얻으려면 최소 300-500 케이스가 바람직하다는 것입니다.

LGC 모델의 프로그래밍 및 분석은 종종 특정 순서를 따릅니다. 분석을위한 하나의 잠재적 인 순서는 다음과 같습니다. 1) 2- 요인 (절편, 기울기), 선형 성장 궤적 모델; 2) 궤도에서 2 차 및 3 차 추세를 평가하는 탐색 적 모델; 3) 절편 및 기울기의 잠재적 예측 인자 분석; 4) 모델 적합성 평가; 그리고 5) 특정 그룹이나 궤도의 구성원이 될 확률의 계산 또는보고. 경로 다이어그램의 사양 및보고도 일반적으로이 분석 순서의 일부이며 액세스 가능한 형식으로 요인 간의 가설 관계를 보여줍니다. 흥미롭게도 시간은 전통적인 회귀 기법 에서처럼 설명 변수로 취급되지 않습니다. 오히려 LGCA에서 측정 값이 반복되는 변수에 대한 인자 적재는 가정 된 시간 추세를 나타내도록 제한됩니다. 이러한 의미에서 각 시점은 별도의 변수로 취급되며 결과적으로 LGCA는 다변량 접근 방식이라고합니다. Mplus, Amos, EQS, LISREL 및 SAS를 포함하여 구조 방정식 모델을 구축하고 분석하도록 설계된 다양한 소프트웨어 프로그램이 있습니다. 일반적으로 SEM, 특히 LGCA에서 사용할 수있는 다양한 추정 기술이 있습니다. 누락 된 데이터에 가장 적합한 추정 절차 중 하나는 전체 정보 최대 가능성 (FIML) 추정으로, 사용 가능한 모든 데이터를 사용하고 누락 된 값의 경우 변수를 목록 방식으로 삭제할 필요가 없습니다.

마지막으로 LGCA 분석의 필수 단계는 모델 적합도를 평가하는 것입니다. 가설 잠재 성장 곡선 모델을 기각 할 확률을 평가하는 것이 중요하므로 모델 적합도가 좋지 않거나 다른 측면에서 모집단에서 정확하지 않을 때. 대부분의 LGM은 모집단에 정확히 맞지 않기 때문에 높은 통계적 능력을 사용하면 아주 좋은 피팅 모델이 거부 될 수 있습니다. 따라서 모델을 피팅 할 때 우도 비 테스트에 크게 의존해서는 안되며 카이-제곱, 표준 카이-제곱 지수, 비교 적합 지수, Tucker-Lew 지수 및 루트를 포함한 여러 지수를 포함 할 수있는 다른 방법을 사용해야합니다. 평균 제곱 근사치 (RMSEA). 이러한 적합 지수는 AIC 및 BIC와 같은 기존 회귀에서 사용되는 지수와 다릅니다. 이러한 적합 통계량을 사용하여 여러 모델을 비교할 수 있지만 좋은 적합 모형이 가정 된 요인 간의 인과 관계를 설명한다는 것을 의미하지는 않는다는 점을 기억하는 것이 중요합니다.

판독

교과서 및 장

  1. Li, Fuzhong. 잠재 곡선 분석 : 연구 데이터 분석가를위한 매뉴얼입니다. 오레곤 연구소, 유진, OR. 여기에서 사용 가능 2013 년 4 월 액세스. (몇 가지 다른 프로그램을 사용하는 LGCA에 대한 자세한 프로그래밍 접근 방식과 코드가 뒤 따르는 간략한 개념 소개를 제공합니다.)

  2. Willet JB, Bub K. Structural Equation Modeling : 잠재 성장 곡선 분석 : Encyclopedia of Statistics in Behavioral Science, 에디션 : Everitt BS 및 Howell DC. John Wiley & Sons, Chichester, 2005 : 1912-1922. (예제 응용 프로그램과 함께 구조 방정식 모델링 측면에서 소파 화 된 LGCA 사용에 대한 설명.)

  3. 잠재 성장 곡선 모델링. 에서 : Preacher KJ, 편집자. 로스 앤젤레스 :: SAGE; 2008. 여기 및 여기 (이 책은 잠재 성장 곡선 모델에 대한 강력한 소개를 제공합니다. 저자는 잠재 성장 곡선 모델과 다단계 모델링이 어떻게 관련되어 있는지 그리고 SEM이 잠재 성장 곡선 모델을 나타내는 방법을 간결하게 설명합니다)

방법론 기사

  1. Andruff H, Carraro N, Thompson A, Gaudreau P. 잠재 클래스 성장 모델링 : 튜토리얼. Tut Quant Meth Psych 2009; 5 (1) : 11-24. (SAS를 사용한 분석 프로그래밍에 대한 자세한 설명과 함께 LGCA에 대한 훌륭한 소개)

    f-1 선택
  2. Hertzog C, Nesselroade JR. 성인기의 심리적 변화 평가 : 방법 론적 문제에 대한 개요. 정신과 노화 2003; 18 (4) : 639-657. (시간에 따른 변화를 측정하고 설명하는 문제에 대한 포괄적 인 검토. LGCA와 다단계 모델링의 개념적 통계 기반에 대한 자세한 내용을 제공하고 두 가지 사용을 비교 및 ​​대조합니다.)

  3. Llabre M, Spitzer S, Siegel S, et al. 스트레스로 인한 심혈관 회복의 개인차 조사에 잠재 성장 곡선 모델링을 적용합니다. Psychosom Med2004; 66 : 29-41. (LGCA에 대한 훌륭하고 간략한 개념 소개와 함께 LGCA 사용에 대한 설명. 부록에는 분석 자체에 대한 코드도 있습니다.)

  4. Stoel RD, van Den Wittenboer G, Hox J. 다단계 회귀 및 잠재 성장 곡선 분석을 사용하여 종단 데이터 분석. Metodologia de las Ciencias del Comportamiento2003. (LGCA와 다단계 모델링의 명확하고 체계적인 비교.이 논문은 특정 가정이 위반 될 때 MLM과 LGCA의 차이점을 설명하고 LGCA가 MLM보다 선호되고 그 반대의 예도 보여줍니다.)

  5. MacCallum RC, Kim C, Malarkey WB, Kiecolt-Glaser JK. 다단계 모델과 잠재 곡선 모델을 사용한 다변량 변화 연구. 다변량 행동 연구. 1997; 32 (3) : 215. (다단계 모델링과 잠재 성장 곡선 모델 사이의 비교가 이루어졌습니다.이 문서에서는 둘 중 하나의 사용이 다른 것보다 우월한 경우의 관계 및 인스턴스에 대한 개요를 제공합니다. 간단히 MacCallum 등은 long), 그러나 일 변량 변화에서 MLM 및 LGCA에 대한 유익한 검토, 그들은 또한 다변량 변화에 적용하는 방법을 보여주고 예를 제시 한 다음 두 접근 방식을 비교합니다.)

응용 기사

  1. Brunet J, Sabiston CM, Chaiton M, 외. 과거와 현재의 신체 활동과 젊은 성인의 우울 증상 간의 연관성 : 10 년 전향 적 연구. Ann Epi2013; 23 : 25-30. (청소년기 중등도의 신체 활동과 젊은 성인의 우울 증상 사이의 종단 적 연관성을 설명하기 위해 LGCA를 사용한 예. 시간 경과에 따른 변화를 분석하기위한 LGCA와 다단계 모델링 접근 방식 간의 중복을 보여줍니다.)

  2. Griffin MJ, Wardell JD, Read JP. 새로 입학 한 대학생들의 최근 성적 희생과 음주 행동 : 잠재 성장 분석. Psych Add Behav 2013 : 사전 온라인 출판. 도이 : 10.1037 / a0031831. (성적 희생시기와 음주 행동시기 간의 연관성을 설명하기 위해 LGCA를 사용한 예. 모델 구축 및 해석에 대한 단계별 접근 방식을 잘 보여줍니다.)

  3. Heine C, Browning C, Cowlishaw S, Kendig H. 노인 청력 장애의 궤적 : 10 년 동안의 건강 행동과 사회 활동의 영향 조사. Geriatr Gerontol Int 2013 : 온라인 doi : 10.1111 / ggi.12030. (영양, 흡연 및 사회 활동과 같은 연령 및 생활 방식 요인과 관련하여 청력 저하의 궤적을 설명하기 위해 LGCA를 사용하는 예. LGCA 사용에 대한 간략한 요약과 결과 및 방법에 대한 명쾌한 설명이 포함되어 있습니다. LGCA 모델을 해석합니다.)

  4. Zahodne LB, Devanand DP, Stern Y. 알츠하이머 병의인지 및 기능적 변화와 우울증 증상의 영향을 결합했습니다. J Alzh Dis 2013; 34 : 851-60. (알츠하이머 병 환자의인지, 기능 및 우울증 간의 종단 적 연관성을 조사하기 위해 다변량 LCGA 모델을 사용한 예는 5.5 년 동안 6 개월마다 추적되었습니다.)

  5. Muthen, Bengt O. 다양한 매개 변수를 가진 잠재 변수 모델을 사용한 종단 데이터 분석. (2011).

  6. Jackson, Joshua J., et al. 늙은 개가 새로운 속임수를 배우고 경험하고 싶습니까? 인지 훈련은 노인의 경험에 대한 개방성을 증가시킵니다. 심리학과 노화 27.2 (2012) : 286 (이 논문은인지 기능 향상을위한 개입에 노출 된 결과 성격 특성 (개방성)의 변화를 설명하는 최초의 연구 중 하나였습니다. 분석에서 연구자들은 2 차를 활용했습니다. 반복적 인 측정으로 인한 측정 오류에 대한 조정을 원했기 때문입니다.)

과정

  1. EPIC을 통해 성장 곡선 모델링에 대한 1 일 워크샵 가능

  2. Randall Schumacker가 가르치는 고급 구조 방정식 모델링. 여기에서 사용 가능 (실제 응용과 함께 고급 SEM 모델을 보여주는 온라인 과정입니다. 그러나 학생들에게 잠재 변수 성장 곡선을 모델에 통합하는 방법도 가르칩니다.)

  3. 잠재 성장 곡선 모델 (LGCM) : 구조 방정식 모델링 접근 방식 (Chapel Hill, NC) (2014 년 6 월 2 ~ 6 일). 여기에서 사용 가능 . (이 과정은 LGC 모델, 이론 및 응용 프로그램에 대한 개념적 소개를 제공합니다. 그러나 SEM 소프트웨어에 대한 사전 지식이 필요합니다.)

  4. Structural Equation Modeling 입문, 온라인 과정 여기에서 사용 가능

재미있는 기사

에디터의 선택

천상의 여왕 만세
천상의 여왕 만세
Columbia University의 College of Music은 Harvard Glee Club과 함께 2002 년 가을 콘서트를 선보입니다 : Hail Coelorum. 음악 감독 David Lyczkowski 프로그램 Columbia college MusicumAlma Mother-AnonAlma Mother-Ockeghe 천상의 여왕-DuFayAgnus from Missa Ave Maria-DuFayAlma mother / Hail the 퀸
TC의 George Bonanno의 연구에서 탄력성의 유전 적 기반을 찾습니다.
TC의 George Bonanno의 연구에서 탄력성의 유전 적 기반을 찾습니다.
George Bonanno의 새로운 연구는 잠재적으로 트라우마를 유발할 수있는 사건에 대한 사람들의 심리적 반응의 유전 적 근거를 확인합니다.
5 가지 질문 : Ramin Bahrani 교수, 영화 '화씨 451'개작 데뷔
5 가지 질문 : Ramin Bahrani 교수, 영화 '화씨 451'개작 데뷔
Ray Bradbury의 디스토피아 고전을 현대적으로 재구성 한 Ramin Bahrani의 영화는 HBO를 위해 제작되었으며 올해 칸 영화제에서도 상영 될 예정입니다.
Microsoft 템플릿
Microsoft 템플릿
파워 포인트 프레젠테이션 팁 브랜드를 유지하십시오. 기본 PowerPoint 설정을 사용하는 이유는 무엇입니까? 아래 템플릿은 CUIMC 글꼴 및 색상 팔레트를 사용하고 공백과 줄 간격을 신중하게 사용하여 설계된 슬라이드 레이아웃으로 미리 설정되어 있습니다. 스타일을 변경해야하는 경우 (예 : 모든 머리글을 굵게 표시하거나 텍스트 상자를 이동 / 크기 조정) 개별 슬라이드가 아닌 마스터 페이지에서 변경하십시오.
재활 및 재생 의학과
재활 및 재생 의학과
관절염이란? 관절염 및 기타 류마티스 질환은 통증, 부기 및 신체의 관절과 결합 조직의 제한된 움직임을 특징으로합니다. CDC에 따르면 미국에서 거의 5 천만 명의 사람들이 어떤 형태의 관절염이나 만성 관절 증상을 가지고 있습니다.
하노버 v. 독일 (2 위)
하노버 v. 독일 (2 위)
Columbia Global Freedom of Expression은 해결해야 할 주요 공통 과제가있는 상호 연결된 글로벌 커뮤니티에서 정보와 표현의 자유로운 흐름을 가장 잘 보호하는 국제 및 국가 규범과 제도에 대한 이해를 높이고 자합니다. 그 사명을 달성하기 위해 Global Freedom of Expression은 연구 및 정책 프로젝트를 수행 및 위임하고, 이벤트 및 컨퍼런스를 조직하고, 21 세기 표현 및 정보의 자유 보호에 대한 글로벌 토론에 참여하고 기여합니다.
달력
달력