Modélisation par mélange de croissances

Une limitation importante de la modélisation de croissance latente conventionnelle (LGM) est qu'elle suppose que tous les individus sont issus d'une ou plusieurs populations observées. Cependant, dans de nombreuses situations de recherche appliquée, des sous-populations non observées peuvent exister, et leurs différentes trajectoires latentes peuvent être l'objet de recherches pour tester des théories ou résoudre des résultats incohérents d'études antérieures. La LGM conventionnelle n'aide pas à identifier et prédire ces sous-populations non observées. Cet article présente la méthode de modélisation par mélange de croissances (GMM) à ces fins. Étant donné que la GMM traite des données longitudinales (c'est-à-dire l'imbrication des observations temporelles au sein des individus) et identifie les sous-populations non observées (c'est-à-dire l'imbrication des individus au sein de classes latentes), la GMM peut être considérée comme une technique de modélisation multicouche. La procédure de modélisation de la GMM est illustrée sur un ensemble de données simulées. Les étapes du processus de modélisation sont mises en exergue, et les limitations, mises en garde, recommandations et extensions de l'utilisation de la GMM sont discutées. Des références techniques pour des informations supplémentaires sont notées tout au long.