ฉันคุ้นเคยกับโมเดลมิกซ์เอฟเฟกต์ (MEM) แต่เพื่อนร่วมงานคนหนึ่งเพิ่งถามฉันว่ามันเปรียบเทียบกับโมเดลการเติบโตที่ซ่อนเร้น (LGM) อย่างไร ฉันทำ googling นิดหน่อยและดูเหมือนว่า LGM เป็นตัวแปรของการสร้างแบบจำลองสมการโครงสร้างที่ใช้กับสถานการณ์ที่ได้รับมาตรการซ้ำ ๆ ในแต่ละระดับอย่างน้อยหนึ่งเอฟเฟกต์แบบสุ่มดังนั้นเวลาจึงเป็นผลคงที่ในแบบจำลอง มิฉะนั้น MEM และ LGM ดูเหมือนจะค่อนข้างคล้ายกัน (เช่นพวกเขาทั้งคู่อนุญาตให้สำรวจโครงสร้างความแปรปรวนร่วมที่แตกต่างกัน ฯลฯ )
ฉันถูกต้องหรือไม่ว่า LGM เป็นกรณีพิเศษของ MEM หรือมีความแตกต่างระหว่างสองแนวทางที่เกี่ยวกับสมมติฐานหรือความสามารถในการประเมินทฤษฎีประเภทต่าง ๆ หรือไม่?
2
ข้อกำหนดสุ่มเอฟเฟกต์การตายตัวการเติบโตแฝงอาจหมายถึงสิ่งต่าง ๆ ในบริบทต่าง เกี่ยวกับอันที่สอง Andrew Gelman มีโพสต์บล็อกพร้อมตัวอย่างของคำจำกัดความหลายประการ ดังนั้นจะเป็นการดีถ้าคุณให้ลิงก์ไปยังคำจำกัดความของโมเดลเหล่านี้ โดยทั่วไปฉันคิดว่าคุณคิดถูก แนวโน้มของเวลามักจะแยกกันเนื่องจากข้อสันนิษฐานทั่วไปที่ความแปรปรวนของ regressors ไม่มีขอบเขตดังนั้นคุณต้องแสดงให้เห็นว่าสำหรับแนวโน้มเวลาสิ่งนี้ไม่ได้เปลี่ยนแปลงอะไรในแง่ของการประมาณค่าและการตีความแบบจำลอง
—
mpiktas