“混合效應建模”和“潛在增長建模”有什麼區別？

我對混合效應模型 (MEM) 非常熟悉，但最近一位同事問我，它與潛在增長模型 (LGM) 相比如何。我做了一些谷歌搜索，似乎 LGM 是結構方程建模的一種變體，適用於在至少一個隨機效應的每個級別內獲得重複測量的情況，從而使時間成為模型中的固定效應。否則，MEM 和 LGM 看起來非常相似（例如，它們都允許探索不同的協方差結構等）。

我是否正確地認為 LGM 在概念上是 MEM 的一個特例，或者這兩種方法在它們的假設或評估不同類型理論的能力方面是否存在差異？

LGM 可以轉換為 MEM，反之亦然，因此這些模型實際上是相同的。我在我的多層書中討論了 LGM 章節中的比較，該章節的草稿在我的主頁http://www.joophox.net/papers/chap14.pdf

引用自：https://stats.stackexchange.com/questions/9990