追踪研究是社会科学领域常采用的一种研究方法，本项目对追踪研究中经常碰到的总体中存在不同质的潜在发展子群体（潜类别混合模型）或不同阶段发展趋势和模式不同的情况（多阶段发展模型）进行了深入的探讨。主要进行了以下方面的研究：（1）多阶段发展模型的必要性、随机时间对模型参数估计结果的影响，即在何时有必要使用PGM而非其他简单的线性模型，以及忽略数据的多阶段形式而采用线性模型估计的错误有多大，是否可以忽略之。同时，考察不同条件(如样本量、斜率变化的大小)对PGM的参数估计的影响。（2）时间的处理对模型参数估计的影响及其估计方法的比较，项目比较了不同处理方法得到结果的差异，考虑了时间差异大小、样本量、不同处理方法的区别。研究表明如果时间为连续变量，基于多水平模型的处理方法往往得到更为准确的结果。随着时间跨度的增加和样本量的增加，MLM方法的优势越来越明显。（3）探讨了潜变量混合发展模型和多阶段发展模型的整合应用。通过模拟研究考察了多阶段斜率变化、潜类别距离与潜类别发展趋势形态等因素对多阶段混合增长模型选择和参数估计的影响，并提出了应用过程中应该注意的问题和模型拟合指标的选择。（4）结合潜变量增长模型和混合增长模型，分析了追踪研究中基于模型的缺失数据处理方法和极大似然估计方法在处理非随机缺失数据时的差异，同时分析了随机缺失和非随机缺失比例对参数估计结果和模型选择的影响，研究发现追踪数据中的非随机缺失数据对参数估计精度有较大影响。（5）围绕追踪研究的测量模型，探讨了测验工具维度的判定、测验工具等价性的分析和测验分数等值等方面问题，并将这些传统的检验方法推广到了更加适合心理测验的多维度的情景，同时本项目还就一些新的心理测验的形式，如迫选测验、自适应研究进行了探讨，开发了自适应认知诊断测验的测评系统和迫选的神经质测验。（6）结合心理学的实际研究数据，应用潜变量增长模型、混合增长模型、多阶段增长模型和多阶段混合增长模型对儿童情绪发展和阅读能力发展的实际数据进行了分析，同时结合长期阅读能力追踪的数据探讨了追踪研究中非随机数据处理方法选择和应用应该注意的问题。本项目通过一系列的理论研究澄清了模型定义、模型选择与评价、参数估计等一系列的理论问题，同时通过实证研究为研究者提供了追踪研究中一般的分析步骤和使用建议，同时针对不同的研究问题和模型，项目还提供了程序代码供研究者使用。