潜变量增长曲线模型是对纵向数据进行分析的一种方法，它可以让科学家清楚地表达和检验均值随时间变化的趋势、最初的水平对变化速度的预测、两组或多组数据在变化轨迹上的区别、一个变量的变化是否与另一个变量的变化相关等。本书分析了各种各样的模型，例如固定／随机截距和／或固定／随机坡度、有条件增长曲线模型、平行过程模型、多组分析，也讨论了模型的各种延伸，例如分段增长、结构潜在增长、类型和有序变量结果等。

序
第1章 简介
第1节 本书概述
第2节 潜变量增长曲线模型：简短的历史与概述
第3节 模型设定和参数解释
第4节 时间的测量尺度
第5节 异步测量
第6节 前提假设
第7节 参数估计与缺失数据
第8节 模型评估与选择
第9节 统计效力
第2章 将潜变量增长曲线模型应用于经验数据
第l节 数据
第2节 软件
第3节 模型拟合策略的概要
第4节 模型O：空模型
第5节 模型1：随机截距模型
第6节 模型2：固定截距、固定斜率
第7节 模型3：随机截距、固定斜率
第8节 模型4：随机截距、随机斜率
第9节 模型5：多群体分析
第10节 模型6：条件增长曲线模型。
第11节 模型7：并行过程模型
第12节 模型8：队列序列设计
第13节 模型9：时变协变量
第14节 模型10：多项式增长曲线
第15节 模型11：未设定轨迹
第16节 总结
第3章 模型的特别拓展
第1节 增长混合模型
第2节 分阶段增长
第3节 多指标潜变量的变化模型
第4节 结构潜变量曲线
第5节 自回归潜变量曲线模型
第6节 分类变量和次序变量模型
第7节 在变化中对因果关系建模
第8节 总结
第4章 潜变量增长模型和多层模型的关系
第1节 MLM在重复测量数据中的应用
第2节 模型设置
第3节 参数估计
第4节 模型评估
第5节 MLM和LGM重合的方面
第6节 MLM和LGM的不同之处
第7节 软件
第5章 结论
附录
注释
参考文献
译名对照表