Hola comunidad JMP:
¿Dónde puedo encontrar documentación sobre los modelos de curva de crecimiento latente (LGC)? En el Capítulo 8 de la documentación de Métodos multivariados, LGC se menciona como una de las capacidades en JMP15 a través de la plataforma Multivariante -> SEM. Sin embargo, no puedo encontrar ningún ejemplo de cómo hacer esto en JMP15.
¿Alguien puede ayudar?
Gracias
Narayanan
@Narayanan Es una opción en la plataforma Miltivariate en JMP Pro 15. Cuando está en la plataforma SEM, es una opción en el menú desplegable Selección de modelo. También puede especificar el modelo desde cero utilizando los cuadros de especificación y verificar el modelo en la vista Diagrama. He ejecutado algunos modelos LGC usando la plataforma, es rápido con conjuntos de datos relativamente grandes.
Hola @Narayanan ,
Una búsqueda rápida no reveló un ejemplo específico, pero sí describió los pasos involucrados como se indica en Descripción general de los modelos de ecuaciones estructurales
@LauraCS @sheila_loring ¿Podemos agregar un ejemplo específico de LGC en una actualización de la documentación?
Stan
@Narayanan ,
Lamentablemente, no tenemos un ejemplo en el documento, ¡pero debería llegar pronto! Tendremos que comenzar agregando una tabla de datos de muestra que sea apropiada para un LGC.
Por ahora, aquí hay algunos pautas para las curvas de crecimiento latente :
(1) Los datos de medidas repetidas deben estar en formato "ancho"
(2) Los LGC más comunes son:
(2.a) modelo "sin crecimiento", que es un modelo de solo intercepción. Es decir, se ajusta una línea plana, pero permitimos la variabilidad en la intersección de modo que se pueda obtener una estimación de la línea "plana" de cada individuo.
(2.b) Modelo de "crecimiento lineal", que tiene un factor de intersección y pendiente, cada uno con variaciones estimadas para permitir determinar cuánto se aleja cada individuo de la línea promedio ("se aleja" en términos de intersección y pendiente). Podemos estimar las líneas de mejor ajuste para cada individuo en los datos.
(2.c) Modelo de "crecimiento cuadrático", similar al lineal pero también agregamos una pendiente cuadrática. Ahora la trayectoria puede tomar una forma no lineal.
(3) Cada uno de los LGC descritos en el n. ° 2 puede especificarse automáticamente mediante el menú desplegable "Accesos directos del modelo".
(4) Cuando se ajustan las 3 alternativas, la tabla "Comparación de modelos" se puede utilizar para determinar el mejor modelo de adaptación.
(5) También es una buena idea usar un diagrama paralelo (o espagueti) para visualizar las trayectorias.
(6) Las variaciones de intersección, pendiente lineal y pendiente cuadrática se pueden fijar a cero si se considera necesario.
Script JSL
Adjunto un script que debería ayudar como ejemplo.
- La primera parte simula datos de 100 individuos que han sido medidos repetidamente en cuatro ocasiones en intervalos de igual tamaño.
- Luego convierto los datos a formato ancho para que sean apropiados para SEM
- Para visualizar trayectorias, uso un diagrama paralelo
- Luego lanzo la plataforma SEM
Si está inclinado a ejecutar el script, por favor:
(1) haga clic en Accesos directos del modelo, seleccione la primera opción y haga clic en Ejecutar.
(2) haga clic nuevamente en Accesos directos del modelo para seleccionar la segunda opción y haga clic en Ejecutar.
(3) Finalmente, seleccione la tercera opción y haga clic en Ejecutar.
El modelo generador de datos fue una curva de crecimiento lineal, que es la razón por la cual ese modelo se ajusta bien y no produce ninguna advertencia (como variaciones negativas). Las variaciones negativas en las LGC a veces son síntomas de sobreajuste.
¡Espero que esto ayude! ¡El análisis de datos longitudinales es muy divertido! 
~ Laura
PD @G_M ¡Me alegra que haya estado usando la plataforma y encuentre que estos modelos funcionan bien!
