潜转变分析
潜转变分析(又称潜在转变分析)是一种刻画个体随时间在潜在状态之间转换的纵向建模方法。它把潜类别模型(见潜类别模型)扩展到多个时间点:先在每个时间点依据分类指标把个体归入潜在状态,再估计个体从一个时间点到下一个时间点在各状态之间转换的概率。潜转变分析回答两类问题:"每个时间点存在哪些状态"以及"个体如何在状态间移动"——例如,儿童从"未形成自我调节"状态转变为"初步自我调节"状态的概率,或抑郁患者从"高症状状态"转为"缓解状态"的概率。
基本模型
潜转变分析有两类核心参数。状态概率:在每个时间点,各潜在状态的普遍程度(如时点1有三类状态,各占一定比例)。转换概率:从时点t的某状态转到时点t+1的某状态的概率,构成转换矩阵——对角线元素是"保持原状态"的概率,非对角线是"转变"的概率。模型通常假设一阶马尔可夫性:下一时点的状态只依赖当前时点状态,不依赖更早历史——这一假设可被检验或放松(如加入协变量预测转换概率)。
参数通过极大似然法估计。个体在各时点的状态归属是概率性的(后验概率),转变也是概率性的——这与观测的类别变化不同:潜转变分析把"测量误差"与"真实状态变化"分离,状态归属的不确定性被建模而非忽略。模型还可纳入协变量:协变量可预测初始状态概率,也可预测转换概率——例如考察干预是否提高从"问题状态"转向"健康状态"的概率。
与相邻方法的区别
潜转变分析与三个纵向方法相邻。其一,潜类别增长分析(见潜类别增长分析):后者按"变化轨迹的整体形态"分类(如"持续上升型"),分类是跨时间的整体模式;潜转变分析按"每个时间点的状态"分类并刻画状态间的转换——前者关注轨迹类型,后者关注状态与转移。一个描述"人沿着哪条轨迹走",一个描述"人在状态之间怎么跳"。其二,增长混合模型(见增长混合模型):同属轨迹分型家族,但关注连续变化的轨迹参数,而非离散状态的转移。其三,潜类别分析(见潜类别模型):潜转变分析是其纵向扩展,增加时间维度与转换结构。柏林等2013年的潜变量混合模型导论第二部分对纵向方法做了系统介绍。[1]
分析步骤
潜转变分析的步骤包括:其一,选取各时间点的分类指标(同一组分类变量在多个时点测量);其二,确定每个时间点的状态数,并检验状态结构 跨时间的一致性(各时点的状态含义须可比,否则转换无意义——这与测量等值性思想相通,见纵向测量等值);其三,估计包含转换概率的完整模型;其四,检验马尔可夫假设与协变量效应;其五,解释状态含义与转换模式;其六,检验模型拟合与外部效度。状态结构的时间一致性是关键前提——若时点1的"状态A"与时点2的"状态A"含义不同,转换概率的解释就失去基础。
应用
潜转变分析在多个领域用于刻画状态变化。护理与健康行为:罗伯茨2011年发表于《护理研究》的论文展示了潜转变分析在探索随时间变化中的应用,为健康行为的状态转变研究提供了范例。[2]发展与教育:识别儿童攻击类型(反应性/主动性)随时间的稳定性与转变——洛贝克2022年发表于《儿童》的研究结合潜剖面与潜转变分析,考察儿童青少年反应性与主动性攻击的状态与转移。[3]心理健康:识别抑郁、焦虑症状状态(如"无症状""轻度""重度")与缓解/复发概率。干预研究:检验干预是否促进从问题状态向健康状态的转变——转换概率可作为干预效果的指标。职业与组织:识别职业状态(如"投入""倦怠""脱离")的转移模式。这些应用的共同价值在于:把"平均变化"细化为"状态间的流动",揭示变化的异质性。
中国语境
中文语境的潜转变分析应用正在兴起。本土研究用它识别儿童行为问题的状态转变、抑郁症状的缓解与复发、网络使用状态的转移等——为动态干预提供依据。方法学层面,国内对潜转变分析的介绍相对潜类别与潜剖面分析更少,方法推广仍有空间。挑战有三:其一,状态结构的时间一致性假设在实践中常被忽视——若各时点状态含义漂移,转换分析失去基础;其二,对时间点数量的要求(至少3个时间点才能刻画转移模式)——许多研究只有2个时点,只能用简化的转变分析;其三,样本流失对转换概率估计的影响——追踪中失访若有选择性,转换概率会被偏估。
与干预研究的结合
潜转变分析在干预研究中具有独特价值:它把干预效果表述为"状态转变概率的改变",比平均分数变化更细致。例如,在心理健康干预中,平均抑郁分数下降可能掩盖两种不同模式——多数人从"高症状"转为"低症状"(真实改善),或所有人症状都轻微下降但仍在同一状态(改善有限)。潜转变分析通过比较干预组与控制组的转变矩阵(如从"高症状"转向"缓解"的概率),精确刻画干预促进了哪些状态转换。罗伯茨2011年发表于《护理研究》的工作展示了潜转变分析在探索随时间变化中的应用,为健康行为干预的状态转变研究提供了范例。洛贝克2022年对攻击行为状态与转变的研究则说明了如何结合潜剖面与潜转变分析刻画行为类型的稳定性与流动性。实现这一应用的前提是状态结构的时间等值——各时点的状态必须含义一致(见纵向测量等值),否则转变概率无法解释。报告时应提供完整的转变矩阵、状态结构等值性的证据,以及协变量对转变概率的影响——这些信息共同构成干预效果的动态图景。
争议
潜转变分析有四个争议。其一,一阶马尔可夫假设:假设下一状态只依赖当前状态,忽略更早历史——若存在"记忆效应"(更早状态影响当前转变),模型误设会扭曲转换概率。其二,状态结构的等值性:各时间点状态须"含义相同"才能谈转换——这一假设与纵向测量等值性(见纵向测量等值)相通,却常被忽视。其三,离散状态的合理性:许多心理构念本质连续,切分为离散状态后再谈"转移",可能人为制造类型——"状态vs连续"的构念争议。其四,因果解释的限度:转变概率是描述性的,即使协变量预测转变,也不等于因果——把"转变"解释为"干预导致改变"需要更强的因果设计。
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。
- ↑ Using Latent Transition Analysis in Nursing Research to Explore Change Over Time,Roberts等,Nursing Research,2011年。
- ↑ Reactive and Proactive Aggression among Children and Adolescents: A Latent Profile Analysis and Latent Transition Analysis,Lohbeck,Children,2022年。