付費限定文章

隨機截距和傳統交叉延宕模式的差異(1)

交叉延宕模式（CLPM）常常模式適配不佳，主因缺乏考量個別差異。 隨機截距交叉延宕模式（RI-CLPM）是一種用於研究縱向數據中變量間相互影響的模型。它是傳統的交叉延宕模式的擴展，具有更好的模式適配度。本文章簡介RI-CLPM定義和CLPM的差異

交叉延宕效果（CLPM）最大的局限性在於它混合了個體內效應(within-person effects)和個體間效應(between-person effects)，使得變量之間的因果關係不明確。在使用傳統CLPM 探討變項之間的縱向關係時，假定每個人的基線水平(baseline level)相同，即所有個體的得分都圍繞同一基線水平（群體平均值）波動，