以斯帖統計顧問公司

長期追蹤資料(Longitudinal data)常見於各領域研究中，由於對同一個體(subject)，在不同時間點所收集到觀察值具有關聯性，所以依照研究目的不同(比較不同處置方式(treatment)的效果，找出影響因子，隨時間變化的趨勢(trend analysis))在分析上多使用廣義估計方程式(GEE), 混合模式(Mixed model), 廣義線性混合模式(GLMM)等方法。此外，長期追踨資料常出現的狀況爲：不同個體間，response隨時間變化的情形相差很多，以固定(fixed effect)效果來探討，分析結果並不恰當；較爲合適的處理是考慮隨機效果(random effect)。

而群組化軌跡模式(Group-Based Trajectory Modeling, GBTM)即是先將response隨時間變化的情形分成幾大類，以使研究者可以了解主要的變化形態有哪幾種？每種所佔的比例爲何？更可以進一步地找出危險因子(risk factors)，就分析的目的而言，與前述的方法是不一樣的。分析軟體部份，目前大都使用SAS來進行GBTM, 另外，Mplus, STATA, 以及R也都有可以分析GBTM的相關套件。

Reference:
Daniel S. Nagin, Candice L. Odgers(2010). Group-Based Trajectory Modeling in Clinical Research. Annu. Rev. Clin. Psychol., 6, 109–38.