Latente Wachstumsmodelle repräsentieren wiederholte Messungen abhängiger Variablen als Funktion der Zeit und anderer Maßnahmen. Solche Längsschnittdaten weisen die Merkmale auf, dass dieselben Probanden im Laufe der Zeit wiederholt und bei denselben Tests (oder parallelen Versionen) und zu bekannten Zeiten beobachtet werden. Bei der latenten Wachstumsmodellierung wird die relative Stellung eines Individuums zu jedem Zeitpunkt als Funktion eines zugrunde liegenden Wachstumsprozesses modelliert, wobei die besten Parameterwerte für diesen Wachstumsprozess an jedes Individuum angepasst werden.
Diese Modelle werden zunehmend in der Sozial- und Verhaltensforschung eingesetzt, da gezeigt wurde, dass sie als eingeschränktes gemeinsames Faktormodell im Rahmen der Strukturgleichungsmodellierung angepasst werden können.
Die Methodik kann verwendet werden, um systematische Veränderung oder Wachstum und interindividuelle Variabilität in dieser Veränderung zu untersuchen. Ein besonderes Thema ist die Korrelation der Wachstumsparameter, des sogenannten Anfangszustandes und der Wachstumsrate, sowie deren Beziehung zu zeitlich variierenden und zeitinvarianten Kovariaten. (Siehe McArdle und Nesselroade (2003) für eine umfassende Überprüfung)
Obwohl viele Anwendungen von latenten Wachstumskurvenmodellen nur Anfangsniveau- und Steigungskomponenten schätzen, haben diese Modelle ungewöhnliche Eigenschaften wie eine unbegrenzt zunehmende Varianz. Modelle mit Komponenten höherer Ordnung, z. B. quadratisch, kubisch, sagen keine ständig zunehmende Varianz voraus, erfordern jedoch mehr als zwei Messanlässe. Es ist auch möglich, Modelle, die auf Wachstumskurven basieren, mit funktionalen Formen auszustatten, häufig Versionen des generalisierten logistischen Wachstums wie der logistischen, exponentiellen oder Gompertz-Funktionen. Obwohl diese komplexeren Modelle einfach mit vielseitiger Software wie OpenMx zu kombinieren sind, können sie nicht mit REM-Paketen ausgestattet werden, in denen Pfadkoeffizienten auf einfache Konstanten oder freie Parameter beschränkt sind und keine Funktionen von freien Parametern und Daten sein können.
Ähnliche Fragen können auch mit einem mehrstufigen Modellansatz beantwortet werden.