R语言使用trajeR包进行组轨迹模型分析（gbtm- group based trajectory models）

GBTM是一种纵向数据分析方法，基于以下核心假设：

虽然所有个体的变化看起来很复杂，但这些变化可以被归纳为几种主要的轨迹模式：

1.纵向聚类将具有相似发展轨迹的个体归入同一轨迹组

2.有限混合模型通过轨迹组来近似未知的个体发展路径

3.轨迹识别识别不同亚群体的变化模式（如递增、递减、稳定等）

在既往文章中，咱们已经介绍了多个能实现轨迹分析的R包，今天我问了一下ai，我写的scitable包竟然也在上面了，吃了一惊

今天来介绍一个trajeR包如何实现组轨迹模型分析，它的名字和traj包非常相似，感觉应该是个辅助增强包，下面我来演示一下，先导入数据

r 复制代码

library(trajeR)
setwd("E:/公众号文章2026年/trajeR包做轨迹分析")
dataNORM01<-read.csv("data.csv")
data <- as.matrix(data)

这是个简单的数据，y这里是你研究的变量y1-y5有五个变量，t1-t5是时间数据，使用trajeR包做组轨迹分析非常简单，就是一句话代码

r 复制代码

sol <- trajeR(Y = data[, 2:6], A = data[, 7:11], degre = c(2, 2), Model = "CNORM", Method = "EM")

Y这里放入感兴趣变量，A这里进入时间，degre这里是二次项，Method的默认方法是"EM"

生成模型后可以进一步绘图

r 复制代码

plotrajeR(sol)

本数据是分成了2个类别，其他指标计算

后验概率

r 复制代码

AvePP(sol, Y = data[, 2:6], A = data[, 7:11])   #后验概率

计算每个数据值的成员概率

r 复制代码

GroupProb(sol, Y = data[, 2:6], A = data[, 7:11])  #计算每个数据值的成员概率

计算正确分类的几率

r 复制代码

OCC(sol, Y = data[, 2:6], A = data[, 7:11])  #计算正确分类的几率

也可以一次性计算多个结果

r 复制代码

adequacy(sol, Y = data[, 2:6], A = data[, 7:11])  #计算五种方法的总结：分配比例、平均后验概率、置信区间、正确分类几率。

本期结束。