使用协方差结构分析检测个体随时间变化的相关因素和预测因素。

近年来，方法学家展示了如何将两个不同的概念领域——个体成长模型和协方差结构分析——进行整合。整合将协方差分析的灵活性引入对系统性个体差异变化的研究，并为回答个体真实变化与潜在预测因素之间关系的问题提供了另一种强大的数据分析工具。个体成长模型框架使用一对分层统计模型表示(a) 作为时间函数的个体内真实状态以及(b) 作为预测因素函数的个体之间真实变化的差异。本文解释了如何将这些模型重新格式化，以分别对应于一般LISREL模型的测量和结构组件，并通过实例说明如何将新方法应用于纵向面板数据样本。关于个体随时间变化的相关因素和预测因素的问题关注的是检测系统性个体变化差异，即，持续性结果的个体变化是否与个人背景、环境、治疗或训练的选择特征相关。示例包括：学生的学习速度是否因其所注册的学术项目属性而异？儿童心理社会适应的纵向变化是否与健康状况、性别和家庭背景相关？只有在代表性地抽样了多个个体的连续数据时，这些问题才能得到回答，即在时间点和个体均已被有代表性地抽取的情况下。传统上，研究者仅在两个时间点对个体状态进行抽样，这一策略已被证明在很大程度上不充分，因为两个数据波仅包含最小的信息。