İşte bu konuyu incelerken buldum. Ben bir istatistik kişi değilim, bu yüzden nispeten temel kavramları kullanarak nasıl anladım özetlemeye çalıştım :-)
Bu iki çerçeve “zamanı” farklı şekilde ele alır:
- MEM, iç içe veri yapıları gerektirir (örneğin, sınıfların içinde iç içe geçmiş öğrenciler) ve zaman, en düşük düzeyde bağımsız bir değişken olarak ve ikinci düzeyde birey olarak ele alınır.
- LGM, gizli değişken bir yaklaşım benimser ve faktör yükleri yoluyla zamanı dahil eder ( bu cevap , bu faktör yüklerinin veya "zaman puanlarının" nasıl çalıştığı hakkında daha fazla ayrıntı verir).
Bu fark, belirli verilerin işlenmesinde her iki çerçevenin farklı güçlerine yol açar. Örneğin, MEM çerçevesinde, daha fazla seviye eklemek kolaydır (örneğin, okullarda yuvalanmış sınıflarda yuvalanmış öğrenciler), LGM'de ölçüm hatasını modellemek ve birkaç tanesini birleştirerek daha büyük bir yol modeline gömmek mümkündür. büyüme eğrileri veya sonuç değişkenleri için tahmin faktörleri olarak büyüme faktörlerini kullanarak.
Bununla birlikte, son gelişmeler bu çerçeveler arasındaki farklılıkları bulanıklaştırmıştır ve bazı araştırmacılar tarafından “eşit olmayan ikiz” olarak adlandırılmıştır. Esasen, MEM tek değişkenli bir yaklaşımdır, zaman noktaları aynı değişkenin gözlemleri olarak kabul edilirken, LGM çok değişkenli bir yaklaşımdır, her zaman noktası ayrı bir değişken olarak ele alınır. LGM'deki gizli değişkenlerin ortalama ve kovaryans yapısı, MEM'deki sabit ve rastgele etkilere karşılık gelir ve aynı modeli aynı sonuçlarla her iki çerçeveyi kullanarak belirlemeyi mümkün kılar.
Bu nedenle LGM'yi özel bir MEM örneği olarak düşünmektense , gizli (büyüme) faktörlerinin yorumlanmasının mümkün olduğu şekilde faktör yükleri bu şekilde sabitlenmiş özel bir faktör analizi modeli örneği olarak görüyorum .