潜类别增长分析
潜类别增长分析(又称潜类别增长模型)是一种把潜类别分析与增长模型结合的纵向建模方法,依据个体在多个时间点的重复测量数据,识别出若干具有不同变化轨迹的潜在亚组——每个类别内的个体遵循相似的发展轨迹,类别间的轨迹形态不同。与潜类别模型(见潜类别模型)按横断面作答模式分类不同,潜类别增长分析按"随时间变化的模式"分类,回答"存在哪些不同的发展轨迹类型"的问题。它是个体中心方法在纵向数据中的自然延伸,广泛应用于发展心理学、犯罪学与临床研究中的轨迹分型。
基本模型
潜类别增长分析的模型可视为潜增长曲线模型(个体层面的截距与斜率)与潜类别分析的结合。其关键设定是:在每个潜在类别内部,所有个体的增长参数(截距、斜率,以及可能的二次项)被约束为相同——即类别内方差固定为零;类别之间增长参数不同。这意味着同一类别内的个体共享一条"典型轨迹",类别由轨迹形态(起点高低、上升下降、速度快慢)定义。相比允许类内参数变异的增长混合模型(见增长混合模型),潜类别增长分析是更简约、更受限的特例。
模型估计输出两类核心信息:类别数量与各类别的轨迹参数(截距均值、斜率均值)、每个个体属于各类别的后验概率。基于后验概率,个体被归入最可能的类别。轨迹形态可多样——如"低水平稳定""持续上升""先升后降""高水平下降"等,类别命名依据参数模式与理论意义。
与相邻方法的区别
潜类别增长分析与三个方法相邻,需明确区分。其一,增长混合模型:两者都是"轨迹分型",但潜类别增长分析约束类内增长参数方差为零,增长混合模型允许类内个体差异——后者更灵活但更复杂、更易出现虚假类别;奈恩等的研究显示,若类内差异真实存在却被约束为零,潜类别增长分析可能提取出过多的"伪类别"。[1]其二,群体轨迹建模:奈恩提出的基于群体的轨迹建模与潜类别增长分析在精神上高度接近——都是半参数的分组轨迹方法,奈恩1999年发表于《心理学方法》的论文系统阐述了这一半参数、基于群体的发展轨迹分析框架,2010年的综述进一步总结了其在临床研究中的应用。[2][3]其三,潜转变分析(见潜转变分析):潜类别增长分析分类的是"轨迹类型"(跨时间的整体模式),潜转变分析分类的是"状态"及状态间的转换——前者关注轨迹形态,后者关注状态改变。荣格等2007年的导论对潜类别增长分析与增长混合模型做了系统比较,是理解两者异同的经典文献。[4]
分析步骤
潜类别增长分析的步骤包括:确定指标与时间点(同一变量在多个时点的测量)、估计不同类别数的模型、依据拟合指标(贝叶斯信息准则、熵、似然比检验)确定类别数、检验类内方差约束的合理性、解释并命名轨迹类别、检验类别的外部效度(类别与结果变量的关系)。类别数的确定是关键难点——信息准则与可解释性常不一致,且不同类别数模型可能都"说得通"。柏林等2013年的第二部分导论对纵向潜类别增长分析与增长混合模型的完整流程做了介绍。[5]
应用
潜类别增长分析在多个领域用于识别发展轨迹的异质性。发展与教育研究:识别攻击行为、退缩行为、学业成绩的发展轨迹类型——如"高攻击—下降型""低攻击—稳定型",为针对性干预提供对象。犯罪学:识别违法行为的发展轨迹("持续型""青春期有限型""迟发型")——这是轨迹方法的经典应用领域。临床与心理健康:识别抑郁、焦虑症状的变化轨迹,预测哪些人发展为慢性。行为与健康:识别媒体使用、物质使用、身体活动的轨迹类型——如陈等2025年对青少年媒体使用轨迹的研究、赵等2026年对学龄前儿童执行功能发展异质性的潜类别增长分析。[6]这些应用的共同价值在于:从"平均水平的变化"推进到"不同人群的不同变化",使干预更精准。
中国语境
中文语境的潜类别增长分析应用近年增长迅速。本土研究用该法识别儿童青少年的问题行为轨迹、学业发展轨迹、网络使用轨迹、抑郁症状轨迹等,为分类干预提供依据。方法学层面,国内心理学期刊引入轨迹分析与增长混合模型的教程与综述,推动规范化应用。挑战有三:其一,类别数的确定依赖研究者判断,报告透明度不足;其二,多数研究只有3–4个时间点,轨迹形态的估计不稳定——而轨迹方法理想上需要更多时间点;其三,轨迹类别的解释容易被过度"类型化",忽视类别归属的概率性与不稳定性。此外,本土复制性研究偏少,西方样本中发现的轨迹类型能否在中国样本中重现,需要验证。
时间点与轨迹形态
潜类别增长分析的结果高度依赖时间点的数量与分布。三个时间点只能识别线性轨迹(起点与斜率),无法区分曲线形态;四个时间点可估计二次(曲线)项,识别"先升后降"的倒U形轨迹;更多时间点则支持分段轨迹与复杂形态。时间点少时,轨迹类别的划分粗糙且不稳定——同一数据在不同设定下可能得到不同类别数。因此,方法学界建议:若要识别有意义的轨迹亚群,理想是四个以上时间点,且间隔合理(过短看不到变化,过长丢失过程信息)。奈恩2010年对基于群体轨迹建模近二十年的回顾强调了轨迹方法在发展研究中的成熟应用,同时也指出方法使用的规范问题。此外,时间点的测量等值性(见纵向测量等值)是轨迹可比的前提——若同一量表在不同时点测到的构念不同,"轨迹"可能是测量变化的假象。报告应说明时间点数量、间隔、增长形态设定与等值性检验——这些细节决定轨迹结论的可靠性。
争议
潜类别增长分析有四个争议。其一,类内方差约束的代价:约束类内方差为零使模型简约、识别稳定,但若真实类内存在差异,会提取出虚假类别——何时用潜类别增长分析、何时用更灵活的增长混合模型,是核心方法选择问题。其二,类别数的确定性:不同拟合指标常给出不一致建议,类别数目的选择带有主观性。其三,轨迹分型的真实性:类别是对连续异质性的方便切分还是真实存在的亚群——"类型vs维度"的争论在轨迹方法中同样存在。其四,时间点数量的影响:时间点少时轨迹形态估计粗糙,类别可靠性低——但许多追踪研究受资源限制只有少量时间点,方法适用边界需要明确。
参见
参考资料
- ↑ An Introduction to Latent Variable Mixture Modeling (Part 2): Longitudinal Latent Class Growth Analysis and Growth Mixture Models,Berlin等,Journal of Pediatric Psychology,2013年。
- ↑ Analyzing developmental trajectories: A semiparametric, group-based approach.,Nagin,Psychological Methods,1999年。
- ↑ Group-Based Trajectory Modeling in Clinical Research,Nagin等,Annual Review of Clinical Psychology,2010年。
- ↑ An Introduction to Latent Class Growth Analysis and Growth Mixture Modeling,Jung等,Social and Personality Psychology Compass,2007年。
- ↑ An Introduction to Latent Variable Mixture Modeling (Part 2): Longitudinal Latent Class Growth Analysis and Growth Mixture Models,Berlin等,Journal of Pediatric Psychology,2013年。
- ↑ Heterogeneity in preschool executive function development: a latent class growth analysis of traject,Zhao等,BMC Psychology,2026年。