Gói R nào được sử dụng để tiến hành phân tích tăng trưởng lớp tiềm ẩn (LCGA) / mô hình hỗn hợp tăng trưởng (GMM)?

Tôi đang cố gắng thực hiện phân tích tăng trưởng lớp tiềm ẩn (LCGA) và / hoặc mô hình hỗn hợp tăng trưởng (GMM) trong R. Dữ liệu tôi đang sử dụng là một số lượng ngày càng tăng của kho git (biến rời rạc, không phân loại), như bạn có thể xem trong tập dữ liệu này .

Tôi đã thử lavaan, điều này giúp tôi phù hợp với mô hình đường cong tăng trưởng tiềm ẩn, nhưng không xác định các lớp tiềm ẩn. Tôi cũng đã thử poLCA, chỉ hoạt động cho các biến đa phân loại, do đó cũng không đủ.

Gói R thích hợp nhất để thực hiện phân tích tăng trưởng lớp tiềm ẩn trên dữ liệu biến rời rạc là gì?

Phân tích tôi muốn làm tương tự như trong Qureshi & Fang (2010):

Qureshi, I. và Fang, Y. 2010. Xã hội hóa trong các dự án phần mềm nguồn mở: Phương pháp mô hình hóa hỗn hợp tăng trưởng, Phương pháp nghiên cứu tổ chức (14: 1), trang 208 đi238.

Các OpenMx dự án có thể ước lượng mô hình hỗn hợp tăng trưởng, mặc dù bạn phải cài đặt các gói từ trang web của họ vì nó không phải là trên cran. Họ có các ví dụ trong tài liệu người dùng (phần 2.8) về cách thiết lập điều này.

Bạn cũng có gói Kml và Kml3d (quỹ đạo chung) ước tính tương đương không tham số của một GMM. Bạn không nhận được bất kỳ tham số nào do kết quả của các phân tích này, chỉ phân loại từng quan sát trong các lớp. Tuy nhiên, trong hầu hết các ứng dụng, mọi người không sử dụng các tham số của LCGA và GMM, và nó cũng mạnh hơn nhiều so với các ứng dụng đó, đặc biệt là GMM. Có hai hoặc ba ấn phẩm trên các gói và tài liệu R đầy đủ.