可生成图片类型（推荐）
（重定向自潜类别增长模型）
 | |
| 节点状态 |  /  Win10及以上可用在V1.0.2部署
|
|---|---|
潜类别增长模型  | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | Latent Class Growth Model |
| 功能主类别 | 数据分析 |
| 英文缩写 | LCGM |
| 功能亚类别 | 潜类别模型 |
| 节点类型 | 数据挖掘 |
| 开发语言 | R |
| 节点简介 | |
潜类别增长模型旨在识别具有相似发展轨迹的群体，并对这些群体的平均水平和变化模式进行建模。该模型假设个体是从固定数目的潜在类别中随机抽样的，并且每个潜在类别的发展轨迹是相似的。 用途：用于研究个体在特定时间段内行为、态度或其它变量的变化趋势的统计方法。 参数：连续型数值时间，数值因变量和嵌套主体变量，自变量。 | |
| 端口数量与逻辑控制(PC) | |
| Input-入口 | 6个 |
| Output-出口 | 2个 |
| Loop-支持循环 | 是 |
| If/Switch-支持逻辑判断 | 否 |
| 输入输出 | |
| 相关节点 | |
| 上一节点 | 潜类别分析 |
| 下一节点 | 潜类别混合增长模型 |
查找其他类别的节点，请参考以下列表
列表
数据处理节点
数据输入
变量处理
行列处理
矩阵处理
表格处理
列表
数据分析节点
描述性统计
统计检验
方差分析
相关分析
回归分析
Lasso回归 二项式Lasso回归 泊松Lasso回归 生存状态Lasso回归 高斯PLS回归Ridge回归 二项式Ridge回归 泊松Ridge回归 生存状态Ridge回归 高斯分位回归多分类逻辑回归多项式回归广义估计方程 伽玛广义估计方程 泊松广义估计方程 负二项广义估计方程 逻辑广义估计方程 高斯广义相加模型 伽玛广义相加模型 泊松广义相加模型 负二项广义相加模型 逻辑广义相加模型 高斯广义相加混合模型 伽玛广义相加混合模型 泊松广义相加混合模型 负二项广义相加混合模型 逻辑广义相加混合模型 高斯广义线性回归 伽玛广义线性回归 泊松广义线性回归 负二项广义线性回归 逆概率加权联合标准差稳健线性回归线性回归逐步回归逻辑回归
时序分析
潜变量分析
生存分析
多元分析
综合分析
列表
机器学习节点
列表
AI和神经网络
环境检测
