1) O documento discute um estudo longitudinal que monitorou 374 pacientes com câncer ao longo de quatro trimestres para medir sua participação em programas de tratamento e aceitação do câncer.
2) O modelo analisa uma curva de crescimento latente linear para as medidas trimestrais de participação, com a aceitação do câncer como variável explicativa para a interceptação e inclinação da curva.
3) O modelo é ajustado aos dados usando o software LISREL para fornecer insights sobre o crescimento da participação dos pacientes ao
1. 1. Introdução
Na prática, muitos conjuntos de dados multivariados medições são repetidas ao longo
do tempo. para estes conjuntos de dados, o pesquisador é, frequentemente, interessados
em modelar o crescimento que ocorre ao longo do tempo.
A este respeito, linear e não-linear de curvas de crescimento latentes podem ser
utilizadas se o pesquisador está interessados em modelar os parâmetros de crescimento,
tais como, por exemplo, a intercessão e o declive da curva de crescimento linear latente.
Duncan et al (1999) fornece um abrangente tratamento da análise da curva de
crescimento latente.
LISREL 8.8 para Windows (Jöreskog e Sörbom 2006) pode ser usado para encaixar
linear e não-linear curvas de crescimento latente para medidas repetidas ao longo do
tempo.
Métodos estatísticos tradicionais como a máxima verossimilhança (ML), Robust
máxima verossimilhança (RML), Weighted Least Quadrados (WLS), Diagonally
Ponderados Mínimos Quadrados (DWLS), Mínimos Quadrados Generalizados
(GLS) e não ponderada dos Mínimos Quadrados (ULS) estão disponíveis para completa
repetido medições ao longo do tempo, enquanto a informação completa da máxima
verossimilhança (FIML) método é disponível para medidas repetidas ao longo do tempo
com os valores em falta.
Nesta nota, LISREL 8.8 para Windows é usado para ajustar uma curva de
crescimento latente linear (LGC) modelo com uma variável latente explicativo
para um conjunto de dados que consiste em repetir medições ao longo de
quatro quartos separados. Este conjunto de dados é descrito na próxima
seção.
O modelo é descrito na Seção 3. Em seguida, o modelo é ajustado aos dados.
Na Seção 5, o modelo é ajustado primeiro com base na amostra significa para
os quatro trimestres. Em seguida, os índices de modificação resultantes são
usados para modificar o modelo mais.
2. Os dados
O conjunto de dados a ser considerado emana a partir de um estudo
longitudinal sobre o crescimento do participação de pacientes com câncer em
programas de tratamento do câncer. Uma amostra de 374 cancro
pacientes foi monitorizada ao longo de um período de quatro quadrantes. No
final de cada trimestre, um pontuação participação foi calculado para cada
paciente. Estes quatro pontuações são rotulados como
T1PARTIC, T2PARTIC, T3PARTIC e T4PARTIC respectivamente. Além disso,
um cancro score aceitação foi calculado para cada paciente. As quatro
pontuações correspondentes são rotulado como T1ACCEPT, T2ACCEPT,
T3ACCEPT e T4ACCEPT respectivamente. Um pequeno parte do conjunto de
dados é mostrado na janela PSF o seguinte.
2. 3. O Modelo
Consideramos as quatro contagens de participação trimestrais e quatro
contagens de aceitação câncer trimestrais obtidos para a amostra de 374
pacientes com câncer. A curva de crescimento latente linear é modelado para
as quatro dezenas de participação trimestrais. Além disso, o nível de aceitação
do câncer é modelado como um efeito explicativo para a interceptação e
inclinação da curva de crescimento latente. Um diagrama de caminho para o
modelo correspondente para LGC Participação cancro e Aceitação é mostrado
na Figura 1.