Quel package R utiliser pour effectuer une analyse de croissance de classe latente (LCGA) / modèle de mélange de croissance (GMM)?

J'essaie d'effectuer une analyse de croissance de classe latente (LCGA) et / ou des modèles de mélange de croissance (GMM) dans R. Les données que j'utilise sont un nombre croissant de fourchettes de référentiels git (variable discrète, non catégorique), comme vous pouvez voir dans cet ensemble de données .

J'ai essayé lavaan, ce qui m'a aidé à adapter un modèle de courbe de croissance latente, mais pas à identifier les classes latentes. J'ai également essayé poLCA, qui ne fonctionne que pour les variables polytomiques catégoriques, donc ne suffisait pas non plus.

Quel est le package R le plus approprié pour effectuer une analyse de croissance de classe latente sur des données variables discrètes?

L'analyse que je veux faire est similaire à celle de Qureshi & Fang (2010):

Qureshi, I. et Fang, Y. 2010. «La socialisation dans les projets de logiciels open source: une approche de modélisation du mélange de croissance», Méthodes de recherche organisationnelle (14: 1), pp. 208–238.

Le projet OpenMx peut estimer les modèles de mélange de croissance, mais vous devez installer le package à partir de leur site Web car il n'est pas sur CRAN. Ils contiennent des exemples dans la documentation utilisateur (section 2.8) pour savoir comment configurer cela également.

Vous disposez également des packages Kml et Kml3d (trajectoires conjointes) qui estiment l'équivalent non paramétrique d'un GMM. Vous n'obtenez aucun paramètre à la suite de ces analyses, seulement la classification de chaque observation dans les classes. Cependant, dans la plupart des applications, les gens n'utilisent pas les paramètres LCGA et GMM de toute façon, et il est également beaucoup plus robuste que ces applications, en particulier GMM. Il y a deux ou trois publications sur les packages et la documentation R complète.