在非参数和参数增长模型下，讨论了根据过去的测量值预测个人未来测量值的问题。在三个数据集中的每一个数据集中，通过交叉验证或遗漏技术评估不同预测方法的效率，并对结果进行比较。在非参数模型下，描述了预测的正回归和逆回归方法，并讨论了它们的相对优缺点。在参数模型下，考虑多项式和因子分析型增长曲线。贝叶斯和经验贝叶斯方法用于处理未知参数。一个普遍的发现是，预测的大部分信息都包含在最近几次观察或基于过去数据的一些汇总统计中。提出了一些数据简化方法，并描述了基于这些方法的分析。证明了leave-on-out技术在模型选择中的有用性。为了改进预测，引入了一种新的校准方法。