Longitudinal analysis has been widely employed to examine between-individual differences in within-individual change. One challenge of such analyses lies in that the rate-of-change is only available indirectly when change patterns are nonlinear with respect to time. Latent change score models (LCSMs), which can be employed to investigate the change in growth rate at the individual level, have been developed to address this challenge. We extend an existing LCSM with the Jenss-Bayley growth curve (Grimm et al., 2016, Chapter 18) and propose a novel expression of change scores that allows for (1) unequally-spaced study waves and (2) individual measurement occasions around each wave. We also extend the existing model to estimate the individual ratio of growth acceleration (that largely determines the trajectory shape and is viewed as the most important parameter in the Jenss-Bayley model). We present the proposed model by simulation studies and a real-world data analysis. Our simulation studies demonstrate that the proposed model generally estimates the parameters of interest unbiasedly, precisely, and exhibits appropriate confidence interval coverage. More importantly, the proposed model with the novel expression of change scores performed better than the existing model shown by simulation studies. An empirical example using longitudinal reading scores shows that the model can estimate the individual ratio of growth acceleration and generate individual growth rate in practice. We also provide the corresponding code of the proposed model.


翻译:为了研究个人内部变化中的个人差异,广泛采用了纵向分析来研究个人之间在个人内部变化方面的差异。这种分析的一个挑战在于,变化率只有在变化模式非线性时才能间接得到。可以用来调查个人增长率变化的早期变化得分模型(LCSMs)已经开发出来,用于调查个人增长率的变化,以应对这一挑战。我们通过延斯-巴伊利增长曲线(Grimm等人,2016年,第18章)扩展了现有的LCSM,并提出了新的变化得分表示,允许(1) 空间间研究波和(2) 每波周围的个别计量时间不均。我们还扩展了现有模型来估计个人增长加速率(主要决定轨迹形状,并被视为Jens-Bayley模型中最重要的参数) 。我们通过模拟研究和真实世界数据分析来介绍拟议的模型。我们的模拟研究表明,拟议的模型一般地评估了利息的参数,准确无误,并展示了适当的信任间隔范围。更重要的是,拟议的模型与新显示的变化得分数的模型相比,我们还可以用模拟模型来展示个人增长速度的模型的模型。我们通过模拟模型来展示了个人增长指数。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
62+阅读 · 2021年8月20日
专知会员服务
31+阅读 · 2021年6月12日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
106+阅读 · 2020年6月10日
专知会员服务
61+阅读 · 2020年3月4日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
暗通沟渠:Multi-lingual Attention
我爱读PAMI
7+阅读 · 2018年2月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年10月4日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
暗通沟渠:Multi-lingual Attention
我爱读PAMI
7+阅读 · 2018年2月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员