R/flexmix中多分类结局潜类别增长模型实现及分层问题咨询

问题 #

需要在R的flexmix包中实现带多分类结局变量的潜类别增长模型（LCGM），同时按性别这类分类变量对类别分层，让性别按簇影响增长曲线（参考Mikolai和Lyons-Amos 2017的Mplus分层实现）。

尝试的代码如下：

lcgm_formula <- as.formula(rel_stat~age + I(age^2) + gender + gender:age)
lcgm <- flexmix::stepFlexmix(.~ .| id,
                         data=d,
                         k=nr_of_classes,       # 实际分析中为1:12
                         nrep=1,                # 实际分析中为50以避免局部最优
                         control = list(iter.max = 500, minprior = 0),
                         model = flexmix::FLXMRmultinom(lcgm_formula,varFix=T,fixed = ~0))

该代码参考了Wardenaar（2020）针对连续结局的LCGM代码，但发现FLXMRmultinom不支持varFix和fixed参数，怀疑类内固定斜率、截距等约束未正确设定。模型结果虽合理，但出现标签切换问题：相似轨迹的男女被分到错位类别（预期1↔1、2↔2、3↔3，实际为1↔3、2↔1、3↔2），寻求正确的模型设定及标签切换的解决方法。

解决方案 #

一、修正FLXMRmultinom的模型设定 #

FLXMRmultinom确实不支持varFix和fixed参数，要实现按簇分层的多分类结局LCGM，需调整公式结构和模型参数：

1. 明确分层逻辑：将性别与增长项的交互项纳入类特异性参数，确保类内固定效应通过公式正确传递。
2. 使用FLXMRmultinom的正确参数：该模型默认类内参数为固定效应，无需额外指定varFix，只需通过公式明确类特异性项。

修正后的代码示例：

# 定义公式：将增长项、性别及交互项设为类特异性
lcgm_formula <- as.formula(rel_stat ~ 1 + age + I(age^2) + gender + gender:age)

# 拟合flexmix模型
lcgm <- flexmix::stepFlexmix(
  rel_stat ~ age + I(age^2) + gender + gender:age | id,
  data = d,
  k = nr_of_classes,
  nrep = 50,  # 实际分析保留50次重复避免局部最优
  control = list(iter.max = 500, minprior = 0),
  model = flexmix::FLXMRmultinom(formula = . ~ ., fixed = ~0)
)

• 拆分公式结构，确保所有增长相关项（含性别交互）均按簇估计；
• fixed = ~0表示无全局固定效应，所有参数为类特异性，符合分层LCGM的要求。

二、解决标签切换问题 #

标签切换是潜类别模型的常见问题，可通过以下方法解决：

1. 基于簇特征排序：提取各簇核心特征（如平均截距、斜率），按特征大小统一簇标签：

# 提取各簇的参数估计
cluster_params <- lapply(lcgm@models, function(m) coef(m))

# 按截距（或其他关键增长参数）排序簇
sorted_indices <- order(sapply(cluster_params, function(p) p["(Intercept)"]))

# 重新分配簇标签
d$cluster <- factor(lcgm@cluster, levels = sorted_indices, labels = 1:nr_of_classes)

2. 添加锚定约束：拟合时对某一簇的参数设置固定值作为锚点，避免标签切换。例如固定第一簇的截距：

# 自定义带锚定约束的FLXMRmultinom模型
anchored_model <- flexmix::FLXMRmultinom(
  formula = rel_stat ~ 1 + age + I(age^2) + gender + gender:age,
  fixed = ~1,  # 全局固定项，锚定第一簇
  ref = 1      # 指定第一簇为锚定簇
)

# 拟合锚定模型
lcgm_anchored <- flexmix::stepFlexmix(
  rel_stat ~ age + I(age^2) + gender + gender:age | id,
  data = d,
  k = nr_of_classes,
  nrep = 50,
  control = list(iter.max = 500, minprior = 0),
  model = anchored_model
)

3. 多次拟合后择优：利用nrep参数进行多次拟合，选择对数似然最高的模型，再对该模型的簇进行特征排序，确保标签一致性。

内容的提问来源于stack exchange，提问作者Samuel Saari