Longitudinal processes rarely occur in isolation; often the growth curves of 2 or more variables are interdependent. Moreover, growth curves rarely exhibit a constant pattern of change. Many educational and psychological phenomena are comprised of different developmental phases (segments). Bivariate piecewise linear mixed-effects models (BPLMEM) are a useful and flexible statistical framework that allow simultaneous modeling of 2 processes that portray segmented change and investigates their associations over time. The purpose of the present study was to develop a BPLMEM using a Bayesian inference approach allowing the estimation of the association between the error variances and providing a more robust modeling choice for the joint random-effects of the 2 processes. This study aims to improve upon the limitations of the prior literature on bivariate piecewise mixed-effects models, such as only allowing the modeling of uncorrelated residual errors across the 2 longitudinal processes and restricting modeling choices for the random effects. The performance of the BPLMEM was investigated via a Monte Carlo simulation study. Furthermore, the utility of BPLMEM was illustrated by using a national educational dataset, Early Childhood Longitudinal Study-Kindergarten Cohort (ECLS-K), where we examined the joint development of mathematics and reading achievement scores and the association between their trajectories over 7 measurement occasions. The findings obtained shed new light on the relationship between these 2 prominent educational domains over time. (PsycInfo Database Record (c) 2020 APA, all rights reserved)

中文翻译：

---

双变量分段线性混合效应模型中关联的贝叶斯建模。

纵向过程很少单独发生；通常两个或多个变量的增长曲线是相互依赖的。此外，增长曲线很少表现出恒定的变化模式。许多教育和心理现象由不同的发展阶段（段）组成。双变量分段线性混合效应模型 (BPLMEM) 是一种有用且灵活的统计框架，它允许同时对描绘分段变化的 2 个过程进行建模并研究它们随时间的关联。本研究的目的是使用贝叶斯推理方法开发 BPLMEM，允许估计误差方差之间的关联，并为 2 个过程的联合随机效应提供更稳健的建模选择。本研究旨在改进先前文献关于双变量分段混合效应模型的局限性，例如仅允许对两个纵向过程中不相关的残差进行建模，并限制随机效应的建模选择。BPLMEM 的性能通过蒙特卡罗模拟研究进行了调查。此外，通过使用国家教育数据集、幼儿纵向研究-幼儿园队列 (ECLS-K) 来说明 BPLMEM 的实用性，我们在其中检查了数学和阅读成绩分数的联合发展以及它们在 7 个测量场合的轨迹之间的关联. 随着时间的推移，获得的研究结果揭示了这两个突出的教育领域之间的关系。（PsycInfo 数据库记录 (c) 2020 APA，保留所有权利）例如只允许对两个纵向过程中不相关的残差进行建模，并限制随机效应的建模选择。BPLMEM 的性能通过蒙特卡罗模拟研究进行了调查。此外，通过使用国家教育数据集、幼儿纵向研究-幼儿园队列 (ECLS-K) 来说明 BPLMEM 的实用性，我们在其中检查了数学和阅读成绩分数的联合发展以及它们在 7 个测量场合的轨迹之间的关联. 随着时间的推移，获得的研究结果揭示了这两个突出的教育领域之间的关系。（PsycInfo 数据库记录 (c) 2020 APA，保留所有权利）例如只允许对两个纵向过程中不相关的残差进行建模，并限制随机效应的建模选择。BPLMEM 的性能通过蒙特卡罗模拟研究进行了调查。此外，通过使用国家教育数据集、幼儿纵向研究-幼儿园队列 (ECLS-K) 来说明 BPLMEM 的实用性，我们在其中检查了数学和阅读成绩分数的联合发展以及它们在 7 个测量场合的轨迹之间的关联. 随着时间的推移，获得的研究结果揭示了这两个突出的教育领域之间的关系。（PsycInfo 数据库记录 (c) 2020 APA，保留所有权利）BPLMEM 的性能通过蒙特卡罗模拟研究进行了调查。此外，通过使用国家教育数据集、幼儿纵向研究-幼儿园队列 (ECLS-K) 来说明 BPLMEM 的实用性，我们在其中检查了数学和阅读成绩分数的联合发展以及它们在 7 个测量场合的轨迹之间的关联. 随着时间的推移，获得的研究结果揭示了这两个突出的教育领域之间的关系。（PsycInfo 数据库记录 (c) 2020 APA，保留所有权利）BPLMEM 的性能通过蒙特卡罗模拟研究进行了调查。此外，通过使用国家教育数据集、幼儿纵向研究-幼儿园队列 (ECLS-K) 来说明 BPLMEM 的实用性，我们在其中检查了数学和阅读成绩分数的联合发展以及它们在 7 个测量场合的轨迹之间的关联. 随着时间的推移，获得的研究结果揭示了这两个突出的教育领域之间的关系。（PsycInfo 数据库记录 (c) 2020 APA，保留所有权利）我们检查了数学和阅读成绩分数的共同发展，以及它们在 7 个测量场合的轨迹之间的关联。随着时间的推移，获得的研究结果揭示了这两个突出的教育领域之间的关系。（PsycInfo 数据库记录 (c) 2020 APA，保留所有权利）我们检查了数学和阅读成绩分数的共同发展，以及它们在 7 个测量场合的轨迹之间的关联。随着时间的推移，获得的研究结果揭示了这两个突出的教育领域之间的关系。（PsycInfo 数据库记录 (c) 2020 APA，保留所有权利）