Specifying and Interpreting Latent State–Trait Models With Autoregression: An Illustration
Specifying and Interpreting Latent State–Trait Models With Autoregression: An Illustration
复制标题
用自回归指定和解释潜在状态特征模型：一个例子
DOI：
10.1080/10705511.2016.1186550
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
J. Prenoveau
中科院分区：
文献类型：
--
作者：
J. Prenoveau
潜在状态-特质模型是用于表示个体相对于构造的纵向稳定性和可变性的有价值的工具（例如，行为或心理过程）。具体而言，状态-特质模型将结构方差划分为时变和时不变分量，使人们能够检查这些分量与其他变量之间的关系。这种构造方差的划分具有许多有价值的应用，包括改进风险-结果研究。特质-状态-时机（TSO）模型和具有自回归的潜在状态-特质模型（LST-AR）非常适合用于具有随持续时间增加而降低的相对稳定性，但即使在长持续时间内也不会降低到0的相对稳定性的结构。尽管在多种构建体中观察到这种相对稳定性表达的模式，但TSO和LST-AR模型的应用相对较少。因此，本文介绍了TSO和LST-AR模型，并举例说明了这些模型的应用。
Latent state–trait models are valuable tools for representing the longitudinal stability and variability of individuals’ relative standing on a construct (e.g., a behavior or psychological process). Specifically, state–trait models partition construct variance into time-varying and time-invariant components, enabling one to examine the relations between these components and other variables. Such partitioning of construct variance has a number of valuable applications including the improvement of risk-outcome research. The trait–state–occasion (TSO) model and latent state–trait model with autoregression (LST–AR) are ideal for use with constructs with relative stability that decreases with increasing durations, but relative stability that does not decrease to 0 even over long durations. Despite the fact that this pattern of relative stability expression is observed for a wide variety of constructs, there are relatively few applications of the TSO and LST–AR models. Thus, this article describes the TSO and LST–AR models and illustrates application of these models.
登录
查看更多内容
影响因子：
4.6
作者：
NOLENHOEKSEMA, S;SELIGMAN, MEP;GIRGUS, JS
通讯作者：
GIRGUS, JS
影响因子：
7
作者：
Cole, DA;Martin, NC;Steiger, JH
通讯作者：
Steiger, JH
影响因子：
7
作者：
Geiser, Christian;Lockhart, Ginger
通讯作者：
Lockhart, Ginger
影响因子：
4.6
作者：
Tram, Jane M.;Cole, David A.
通讯作者：
Cole, David A.
影响因子：
4.6
作者：
LaGrange B;Cole DA;Jacquez F;Ciesla J;Dallaire D;Pineda A;Truss A;Weitlauf A;Tilghman-Osborne C;Felton J
通讯作者：
Felton J