追踪研究(longitudinalstudy，或纵向研究)对同一个或同一批被试重复观测，揭示心理活动的发展规律以及其随时间发展的变化等特征，被广泛地应用在心理与行为、教育、认知神经科学等领域中。随着统计方法的发展，追踪研究的设计、数据收集范式及其分析方法也不断迭代更新，目前的数据收集范式常见于面板数据(paneldata)、密集追踪数据(intensivelongitudinaldata)、时间序列数据(timeseriesdata)等，它们要解决的研究问题有所区别，使用的统计方法也存在差异。

    追踪研究的研究问题可以分为\"趋势(trends)”和“动态(dynamics)”两类(Voelkleetal.，2018;Lohmannetal.，2024；刘源等，2022)。这两类研究在关注的科学问题、研究设计、分析侧重点等方面均存在一定差异。目前针对“趋势\"和“动态”的研究，大多可以使用结构方程模型(structuralequationmodeling，SEM)和多水平模型(multilevelmodeling，MLM，也叫多层/阶层线性模型)两种统计视角建模，二者能相互转换，但也有一定的使用条件。本文从“趋势\"和\"动态\"两类研究问题出发，结合数据收集范式的特点，探讨追踪研究要解决的问题、统计模型如何建模以及使用过程中容易出现的问题，为研究者提供一个可参考的分析框架。

    1趋势研究

    1.1趋势研究问题及其在心理学中的应用

    趋势研究的主要任务是描述心理构念的系统性趋势，特别是个体的心理构念的水平是否随时间的变化而不同，是心理构念的一般特征或规律性特征，其增长形态可以用时间函数来表示(Hamaker，2023;Lohmannetal.，2024)。这类研究问题以宏观视角，探讨心理构念是否随时间发生了变化、在一定时间范围内的变化轨迹、整体变化中是否有个体差异，以及不同发展轨迹之间如何相互影响等问题。发展趋势的模型也被称为“静态追踪模型(staticlongitudinal models)\"(Voelkle etal.，2018)，此类研究问题在数据收集上多以时间间隔较大、时间跨度较久的面板数据通过重复测量来进行(McNeishamp;Hamaker，2020)。顾名思义，“面板\"就像一个个的截面一样，在同一个时间点上收集大量的信息(多个被试与多个变量)。

    发展趋势研究常应用在心理行为与健康领域如个体自尊、焦虑、利他行为、限制性饮食的长时间发展(王苑芮等，2023；张斌等，2023)，教育领域如关注个体学业水平、能力、自我调节的增长趋势(刘源 ......