扫描电镜

连续时间结构方程模型。一个易于访问的面板和时间序列数据的连续(和离散)时间动态建模包,依赖于OpenMx。计算包(http://openmx.psyc.virginia.edu/)。大多数纵向数据的动态建模方法都依赖于观测间隔一致的假设。当这一过程中的参数被破坏时,可能会导致数据收集过程中的偏差。连续时间模型在概念上类似于向量自回归模型(因此也是在结构方程建模环境中流行的潜在变化模型),但是,通过明确地包括观测之间的时间长度,连续时间模型不必假设测量间隔是一致的。这允许:不规则地收集数据;消除因测量间隔变化而产生的噪声和偏差;复杂动力学的简约结构。在本SEM框架中应用这样的模型,可以对N=1和N>1的情况进行全信息最大似然估计,每个潜在过程有多个测量指标,并且可以灵活地纳入附加元素,包括潜在过程中的个体异质性和显式截获,以及时间依赖性和独立的外源协变量。此外,由于SEM的实现,我们能够估计一个随机效应模型,其中时间相关和时间无关的预测因子的影响可以同时评估,但是没有假设单位水平效应和预测值之间没有协方差的随机效应模型的经典问题。