删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

随机截距潜在转变分析(RI-LTA)——个案自我转变与个案间差异的分离

本站小编 Free考研考试/2022-01-01
温聪聪1, 朱红2()
1厦门大学国际学院, 厦门 361102
2北京大学教育经济研究所, 北京 100871
收稿日期:2020-10-12出版日期:2021-10-15发布日期:2021-08-23
通讯作者:朱红E-mail:hongzhu@pku.edu.cn



Random intercept latent transition analysis (RI-LTA): Separating the between-subject variation from the within-subject variation

WEN Congcong1, ZHU Hong2()
1International College, Xiamen University, Xiamen 361102, China
2Institute of Economics of Education, Peking University, Beijing 100871, China
Received:2020-10-12Online:2021-10-15Published:2021-08-23
Contact:ZHU Hong E-mail:hongzhu@pku.edu.cn






摘要/Abstract


摘要： 传统的潜在转变分析属于单水平分析, 但其同样也可以看作二水平分析。Muthén和Asparouhov就以二水平分析的视角在单水平分析框架内提出了随机截距潜在转变分析(RI-LTA), 其中跨时间点产生的自我转变可以看作在水平1进行分析, 跨时间点不变的个案间差异可以看作在水平2进行分析, 使个案的自我转变和个案间的初始差异分离, 避免了高估保留在初始类别的概率。某研究型大学2016级本科生的追踪调查数据被用于演示使用随机截距潜在转变分析的过程。该方法的最大优势是通过引入随机截距避免了高估保留在本类别的转变概率。未来研究可以运用蒙特卡洛模拟研究探究随机截距潜在转变分析模型的适用性, 也可以用多水平分析的思路为灵感, 探究多水平随机截距潜在转变分析在统计软件中的实现。



图1时间点数量为2时的随机截距潜在转变分析模型路径图
图1时间点数量为2时的随机截距潜在转变分析模型路径图


表1学习动机量表维度与具体内容
维度 题号 题项内容
外部
动机		 Q1 对我而言成功意味着比别人做得更好
Q2 成绩是推动我去努力的主要动力
Q3 我希望别人发现我在学业上很出色
Q4 他人的肯定和赞赏是推动我去努力的主要动力
Q5 我很在乎别人对我的观点怎么反应
Q6 我认为表现很好但无人知晓是没有意义的
内部
动机		 Q7 我乐于尝试解决复杂的问题
Q8 我喜欢独立思考解决疑难
Q9 我乐于钻研那些全新的问题
Q10 我希望大学学习能够提供我增加知识与技能的机会

表1学习动机量表维度与具体内容
维度 题号 题项内容
外部
动机		 Q1 对我而言成功意味着比别人做得更好
Q2 成绩是推动我去努力的主要动力
Q3 我希望别人发现我在学业上很出色
Q4 他人的肯定和赞赏是推动我去努力的主要动力
Q5 我很在乎别人对我的观点怎么反应
Q6 我认为表现很好但无人知晓是没有意义的
内部
动机		 Q7 我乐于尝试解决复杂的问题
Q8 我喜欢独立思考解决疑难
Q9 我乐于钻研那些全新的问题
Q10 我希望大学学习能够提供我增加知识与技能的机会


表2在两个时间点依次增加类别数目的潜在类别分析结果(N = 634)
时间点 类别数 对数似然值 BIC 最小类别占
总样本比率
2016, c1 2 -2795.37 5726.23 47.0%
2016, c1 3 -2709.70 5625.87 10.8%
2016, c1 4 -2686.64 5650.71 10.5%
2018, c2 2 -3268.72 6672.94 43.4%
2018, c2 3 -3157.45 6521.36 24.3%
2018, c2 4 -3101.55 6480.54 7.6%
2018, c2 5 -3080.31 6509.03 6.3%

表2在两个时间点依次增加类别数目的潜在类别分析结果(N = 634)
时间点 类别数 对数似然值 BIC 最小类别占
总样本比率
2016, c1 2 -2795.37 5726.23 47.0%
2016, c1 3 -2709.70 5625.87 10.8%
2016, c1 4 -2686.64 5650.71 10.5%
2018, c2 2 -3268.72 6672.94 43.4%
2018, c2 3 -3157.45 6521.36 24.3%
2018, c2 4 -3101.55 6480.54 7.6%
2018, c2 5 -3080.31 6509.03 6.3%


表3不同潜在转变分析模型的分析结果(N = 634)
所分析模型 类别数 估计参数数目 对数似然值 BIC
普通潜在转变分析 c1 = 3, c2 = 3 38 -5857.19 11959.56
普通潜在转变分析 c1 = 3, c2 = 4 81 -5747.69 12017.99
普通潜在转变分析 c1 = 4, c2 = 4 55 -5780.99 11916.84
普通潜在转变分析 c1 = 5, c2 = 5 74 -5718.64 11914.72
随机截距潜在转变分析 c1 = 3, c2 = 3 48 -5725.25 11760.20
随机截距潜在转变分析 c1 = 3, c2 = 4 91 -5664.63 11916.40
随机截距潜在转变分析 c1 = 4, c2 = 4 65 -5691.77 11802.92
随机截距潜在转变分析 c1 = 5, c2 = 5 84 -5657.61 11857.19

表3不同潜在转变分析模型的分析结果(N = 634)
所分析模型 类别数 估计参数数目 对数似然值 BIC
普通潜在转变分析 c1 = 3, c2 = 3 38 -5857.19 11959.56
普通潜在转变分析 c1 = 3, c2 = 4 81 -5747.69 12017.99
普通潜在转变分析 c1 = 4, c2 = 4 55 -5780.99 11916.84
普通潜在转变分析 c1 = 5, c2 = 5 74 -5718.64 11914.72
随机截距潜在转变分析 c1 = 3, c2 = 3 48 -5725.25 11760.20
随机截距潜在转变分析 c1 = 3, c2 = 4 91 -5664.63 11916.40
随机截距潜在转变分析 c1 = 4, c2 = 4 65 -5691.77 11802.92
随机截距潜在转变分析 c1 = 5, c2 = 5 84 -5657.61 11857.19



图2随机截距潜在转变分析所得3个类别在各题项上的填答概率(N = 634)
图2随机截距潜在转变分析所得3个类别在各题项上的填答概率(N = 634)


表43个类别在两个时间点的转变情况(N = 634)
类别转变
情况		 普通潜在转变分析 随机截距潜在转变分析
个案数 转变概率 个案数 转变概率
c1#1→c2#1 49 74.1% 58 73.9%
c1#1→c2#2 16 24.8% 11 14.7%
c1#1→c2#3 1 1.1% 9 11.4%
总计 66 100% 78 100%
c1#2→c2#1 62 24.4% 37 55.5%
c1#2→c2#2 173 68.9% 22 33.0%
c1#2→c2#3 17 6.7% 8 11.5%
总计 252 100% 67 100%
c1#3→c2#1 64 20.4% 109 22.4%
c1#3→c2#2 101 31.8% 121 24.7%
c1#3→c2#3 151 47.8% 259 52.9%
总计 316 100% 489 100%

表43个类别在两个时间点的转变情况(N = 634)
类别转变
情况		 普通潜在转变分析 随机截距潜在转变分析
个案数 转变概率 个案数 转变概率
c1#1→c2#1 49 74.1% 58 73.9%
c1#1→c2#2 16 24.8% 11 14.7%
c1#1→c2#3 1 1.1% 9 11.4%
总计 66 100% 78 100%
c1#2→c2#1 62 24.4% 37 55.5%
c1#2→c2#2 173 68.9% 22 33.0%
c1#2→c2#3 17 6.7% 8 11.5%
总计 252 100% 67 100%
c1#3→c2#1 64 20.4% 109 22.4%
c1#3→c2#2 101 31.8% 121 24.7%
c1#3→c2#3 151 47.8% 259 52.9%
总计 316 100% 489 100%


表5基于实际研究数据的蒙特卡洛模拟研究的部分参数估计结果(N = 634)
统计量 λ1 λ10 c1#1 v2 c1#2 v10 c1#3 v4 c1#2 c2#2
真值 1.27 1.41 -0.04 -996.34 0.63 -2.00 -0.76
估计值 1.27 1.46 -0.03 -996.34 0.64 -2.04 -0.75
偏差 0 0.05 0.01 0 0.01 0.04 0.01
均方误差 0.02 0.20 0.04 0 0.02 0.09 0.03
标准差/平均标准误 0.96 1.05 0.96 - 0.97 0.89 0.98
95%置信区间真值覆盖率 93.8% 94.8% 95.2% 0 95.6% 96.8% 94.0%

表5基于实际研究数据的蒙特卡洛模拟研究的部分参数估计结果(N = 634)
统计量 λ1 λ10 c1#1 v2 c1#2 v10 c1#3 v4 c1#2 c2#2
真值 1.27 1.41 -0.04 -996.34 0.63 -2.00 -0.76
估计值 1.27 1.46 -0.03 -996.34 0.64 -2.04 -0.75
偏差 0 0.05 0.01 0 0.01 0.04 0.01
均方误差 0.02 0.20 0.04 0 0.02 0.09 0.03
标准差/平均标准误 0.96 1.05 0.96 - 0.97 0.89 0.98
95%置信区间真值覆盖率 93.8% 94.8% 95.2% 0 95.6% 96.8% 94.0%


表6引入入学方式协变量后的多群组分析结果(N = 634)
所分析模型 参数数目 对数似然值 BIC 卡方变化 自由度变化 p
随机截距潜在转变分析, 测量不变 56 -5716.87 11795.06
随机截距潜在转变分析, 测量不等 116 -5673.43 12095.30 941 60 <0.001

表6引入入学方式协变量后的多群组分析结果(N = 634)
所分析模型 参数数目 对数似然值 BIC 卡方变化 自由度变化 p
随机截距潜在转变分析, 测量不变 56 -5716.87 11795.06
随机截距潜在转变分析, 测量不等 116 -5673.43 12095.30 941 60 <0.001


表7引入入学方式协变量后的交互效应分析结果(N = 634)
所分析模型 参数数目 对数似然值 BIC 卡方变化 自由度变化 p
协变量影响f 50 -5725.02 11772.65
协变量影响f和c1、c2 58 -5716.83 11807.87 29 8 <0.001
协变量影响f和c1、c2, 交互效应 70 -5713.66 11878.96 1237 12 <0.001

表7引入入学方式协变量后的交互效应分析结果(N = 634)
所分析模型 参数数目 对数似然值 BIC 卡方变化 自由度变化 p
协变量影响f 50 -5725.02 11772.65
协变量影响f和c1、c2 58 -5716.83 11807.87 29 8 <0.001
协变量影响f和c1、c2, 交互效应 70 -5713.66 11878.96 1237 12 <0.001







[1] 胡俊, 张敏强. (2013年11月). 青少年自我伤害行为的潜在类别及其转变分析. 心理学与创新能力提升——第十六届全国心理学学术会议论文集(pp.374-375), 江苏, 南京.
[2] 廖友国, 连榕. (2020). 成人抑郁症状的潜在转变分析:四年追踪研究. 中国临床心理学杂志, 28(3), 518-522. doi: 10.16128/j.cnki.1005-3611.2020.03.018
doi: 10.16128/j.cnki.1005-3611.2020.03.018
[3] 刘爱楼, 欧贤才. (2018). 大学生自杀风险的类别转变: 潜在转变分析. 西南大学学报(社会科学版), 44(2), 104-111+193. doi: 10.13718/j.cnki.xdsk.2018.02.012
doi: 10.13718/j.cnki.xdsk.2018.02.012
[4] 王碧瑶, 张敏强, 张洁婷, 胡俊. (2014年10月). 青少年问题行为的类型:基于潜在转变分析的结果. 第十七届全国心理学学术会议论文摘要集(pp.742-745), 北京.
[5] 王碧瑶, 张敏强, 张洁婷, 胡俊, 攸佳宁, 梁耀坚. (2015). 青少年自我伤害行为的潜在转变分析: 一项纵向研究. 心理科学, 38(6), 1368-1376. doi: 10.16719/j.cnki.1671-6981.20150613
doi: 10.16719/j.cnki.1671-6981.20150613
[6] 吴国婷, 张敏强, 倪雨菡, 杨亚威, 漆成明, 吴健星. (2017年11月). 老年人孤独感的转变及其影响因素: 基于潜在转变分析. 中国心理学会第二十届全国心理学学术会议--心理学与国民心理健康摘要集(pp.722-723), 重庆.
[7] 吴国婷, 张敏强, 倪雨菡, 杨亚威, 漆成明, 吴健星. (2018). 老年人孤独感及其影响因素的潜在转变分析. 心理学报, 50(9), 1061-1070.
[8] 吴鹏, 刘华山. (2011年10月). 攻击性初中生的类别及其转变: 一个潜在类别模型的应用. 增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集(pp.139), 陕西, 西安.
[9] 谢晋艳, 黎光明, 侯桂云, 甄锋泉. (2018年11月). 基于LPA的青少年网络成瘾:潜在转变分析. 第二十一届全国心理学学术会议摘要集(pp.644-646), 北京.
[10] 杨晓霞, 陈亮, 曹衍淼, 毕馨文, 陈光辉, 张文新. (2020). 青少年早期同伴侵害的亚类别及其稳定性: 个体定向的分析. 心理发展与教育, 36(2), 146-156. doi: 10.16187/j.cnki.issn1001-4918.2020.02.03
doi: 10.16187/j.cnki.issn1001-4918.2020.02.03
[11] Asparouhov, T., & Muthén, B. (2014). Multiple-group factor analysis alignment. Structural Equation Modeling: A Multidisciplinary Journal, 21(4), 495-508.
doi: 10.1080/10705511.2014.919210URL
[12] Cochran, G., Field, C., & Caetano, R. (2015). Changes in classes of injury-related risks and consequences of risk- level drinking: A latent transition analysis. The Journal of Behavioral Health Services & Research, 42(3), 355-366.
[13] Cole, D. A., Martin, N. C., & Steiger, J. H. (2005). Empirical and conceptual problems with longitudinal trait-state models: Introducing a trait-state-occasion model. Psychological Methods, 10(1), 3-20.
doi: 10.1037/1082-989X.10.1.3URL
[14] Collins, L. M., & Lanza, S. T. (2009). Latent class and latent transition analysis: With applications in the social, behavioral, and health sciences (Vol. 718). Hoboken, NJ: John Wiley & Sons.
[15] Collins, L. M., & Wugalter, S. E. (1992). Latent class models for stage-sequential dynamic latent variables. Multivariate Behavioral Research, 27(1), 131-157.
doi: 10.1207/s15327906mbr2701_8URL
[16] Cosden, M., Larsen, J. L., Donahue, M. T., & Nylund-Gibson, K. (2015). Trauma symptoms for men and women in substance abuse treatment: A latent transition analysis. Journal of Substance Abuse Treatment, 50, 18-25.
doi: 10.1016/j.jsat.2014.09.004URL
[17] Eid, M., Holtmann, J., Santangelo, P., & Ebner-Priemer, U. (2017). On the definition of latent-state-trait models with autoregressive effects. European Journal of Psychological Assessment, 33(4), 285-295.
doi: 10.1027/1015-5759/a000435URL
[18] Eid, M., & Langeheine, R. (1999). The measurement of consistency and occasion specificity with latent class models: A new model and its application to the measurement of affect. Psychological Methods, 4(1), 100-116.
doi: 10.1037/1082-989X.4.1.100URL
[19] Eid, M. & Langeheine, R. (2003). Separating stable from variable individuals in longitudinal studies by mixture distribution models. Measurement: Interdisciplinary Research and Perspectives, 1(3), 179-206.
doi: 10.1207/S15366359MEA0103_01URL
[20] Hamaker, E. L., Kuiper, R. M., & Grasman, R. P. (2015). A critique of the cross-lagged panel model. Psychological Methods, 20(1), 102-116.
doi: 10.1037/a0038889pmid: 25822208
[21] Jagenow, D., Raufelder, D., & Eid, M. (2015). The development of socio-motivational dependency from early to middle adolescence. Frontiers in Psychology, 6, 194.
doi: 10.3389/fpsyg.2015.00194pmid: 25762966
[22] Kenny, D. A. & Zautra, A. (1995). The trait-state-error model for multiwave data. Journal of Consulting and Clinical Psychology, 63(1), 52-59.
pmid: 7896990
[23] Kenzik, K. M., Martin, M. Y., Fouad, M. N., & Pisu, M. (2015). Health-related quality of life in lung cancer survivors: Latent class and latent transition analysis. Cancer, 121(9), 1520-1528.
doi: 10.1002/cncr.29232pmid: 25565326
[24] Liu, Y., Liu, H., & Hau, K. T. (2016). Reading ability development from Kindergarten to junior secondary: Latent transition analyses with growth mixture modeling. Frontiers in Psychology, 7, 1659.
[25] Muthén, B. & Asparouhov, T. (2019). What multilevel modeling can teach us about single-level modeling: Latent transition analysis with random intercepts (RI-LTA). Version 1. Retrieved October 9, 2020, from http://www.statmodel.com/RI-LTA.shtml
[26] Muthén, B. & Asparouhov, T. (2020). Latent transition analysis with random intercepts (RI-LTA). Version 4. Accepted for publication in Psychological Methods. Retrieved October 9, 2020, from http://www.statmodel.com/RI-LTA.shtml
[27] Nylund, K. (2007). Latent transition analysis: Modeling extensions and an application to peer victimization (Unpublished doctoral dissertation). University of California, Los Angeles.
[28] Pan, Y., Liu, H., Lau, P., & Luo, F. (2017). A latent transition analysis of bullying and victimization in Chinese primary school students. PLoS One, 12(8), e0182802.
doi: 10.1371/journal.pone.0182802URL
[29] Ryoo, J. H., Wang, C., & Swearer, S. M. (2015). Examination of the change in latent statuses in bullying behaviors across time. School Psychology Quarterly, 30(1), 105-122.
doi: 10.1037/spq0000082URL
[30] Ryoo, J. H., Wang, C., Swearer, S. M., Hull, M., & Shi, D. (2018). Longitudinal model building using latent transition analysis: An example using school bullying data. Frontiers in Psychology, 9, 675.
doi: 10.3389/fpsyg.2018.00675URL
[31] Satorra, A. & Bentler, P. M. (2010). Ensuring positiveness of the scaled difference chi-square test statistic. Psychometrika, 75, 243-248. doi: 10.1007/s11336-009-9135-y
doi: 10.1007/s11336-009-9135-ypmid: 20640194
[32] Wang, J., & Wang, X. (2019). Structural equation modeling: Applications using Mplus. John Wiley & Sons.




[1]温聪聪, 伍伟平, 林光杰. 对齐(Alignment) —— 一种新的多群组分析法[J]. 心理科学进展, 2019, 27(1): 181-189.





PDF全文下载地址:

http://journal.psych.ac.cn/xlkxjz/CN/article/downloadArticleFile.do?attachType=PDF&id=5597
相关话题/概率 心理学 心理 入学 青少年
  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...
    考试优惠券 本站小编 Free壹佰分学习网 2022-09-19
  • 时间与金钱概念对消费者购买决策的不同影响及其心理机制
    贺汝婉1,李斌1,2(),张淑颖1,崔馨月1,雷励11暨南大学管理学院,广州5106322暨南大学企业发展研究所,广州510632收稿日期:2020-11-02发布日期:2021-07-22通讯作者:李斌E-mail:bingoli@jnu.edu.cn基金资助:国家自然科学基金项目(7160108 ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 新世纪20年国内心理统计方法研究回顾
    温忠麟1(),方杰2,沈嘉琦1,谭倚天1,李定欣1,马益铭11华南师范大学心理学院/心理应用研究中心,广州5106312广东财经大学人文与传播学院,广州510320收稿日期:2021-03-11发布日期:2021-06-25通讯作者:温忠麟E-mail:wenzl@scnu.edu.cn基金资助:国 ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 心理与教育测验中异常作答处理的新技术: 混合模型方法
    刘玥1,刘红云2,3()1四川师范大学脑与心理科学研究院,成都6100662应用实验心理北京市重点实验室3北京师范大学心理学部,北京100875收稿日期:2020-10-23发布日期:2021-07-22通讯作者:刘红云E-mail:hyliu@bnu.edu.cn基金资助:国家自然科学基金项目(3 ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 情绪自旋及其心理健康功能
    张珊珊(),王婧怡,李昱汝天津职业技术师范大学职业教育学院,天津300222收稿日期:2020-07-20发布日期:2021-06-25通讯作者:张珊珊E-mail:zhangss945@126.com基金资助:天津市哲学社会科学规划项目(TJJX20-020)Affectspinanditsimp ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 同伴对青少年冒险行为的影响及其作用机制
    张玮玮1,2,朱莉琪1,2()1中国科学院行为科学重点实验室,中国科学院心理研究所,北京1001012中国科学院大学心理学系,北京100049收稿日期:2020-09-04发布日期:2021-06-25通讯作者:朱莉琪E-mail:zhulq@psych.ac.cn基金资助:中科院自主部署项目(E0 ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 老年人的消极交往与心理健康
    徐潞杰1,2,张镇1,2()1中国科学院心理研究所行为科学院重点实验室,北京1001012中国科学院大学心理学系,北京100049收稿日期:2020-12-07发布日期:2021-06-25通讯作者:张镇E-mail:zhangz@psych.ac.cn基金资助:国家自然科学基金项目(7177415 ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 人们如何设想未来：未来情景思维对个体心理和行为的影响
    卢蕾安,王春生,任俊()浙江师范大学教育与人类发展学院心理系,金华321004收稿日期:2020-07-09出版日期:2021-06-15发布日期:2021-04-25通讯作者:任俊E-mail:drinren@163.com基金资助:国家社会科学基金“十三五”规划教育学一般课题“基于积极心理学理念 ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 姓名对个体心理与行为的实际影响：证据和理论
    包寒吴霜,蔡华俭()中国科学院心理研究所人格与社会心理研究中心,北京100101中国科学院大学心理学系,北京100049收稿日期:2020-09-02出版日期:2021-06-15发布日期:2021-04-25通讯作者:蔡华俭E-mail:caihj@psych.ac.cn基金资助:国家社会科学基金 ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 傅斯年的心理学探索及其贡献
    陈彦垒(),胡志坚聊城大学教育科学学院,山东聊城252059收稿日期:2020-08-13出版日期:2021-06-15发布日期:2021-04-25通讯作者:陈彦垒E-mail:chenyanlei@lcu.edu.cn基金资助:聊城市社科规划专项(ZXYB202002019)FuSsu-nien ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01
  • 语言经验对概率词切分的影响
    于文勃1,王璐1,程幸悦1,王天琳2,张晶晶3,梁丹丹1()1南京师范大学文学院,南京2100972纽约州立大学奥尔巴尼分校教育学院,纽约122223南京师范大学心理学院,南京210097收稿日期:2020-06-28出版日期:2021-05-15发布日期:2021-03-30通讯作者:梁丹丹E-m ...
    中科院心理研究所 本站小编 Free考研考试 2022-01-01

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.