a látens növekedési modellek a függő változók ismételt méréseit képviselik az idő és más intézkedések függvényében. Az ilyen longitudinális adatok megosztják azokat a jellemzőket, hogy ugyanazokat az alanyokat ismételten megfigyelik az idő múlásával, ugyanazon teszteken (vagy párhuzamos verziókon) és ismert időpontokban. Ban ben látens növekedési modellezés, az egyén relatív helyzetét minden egyes alkalommal egy mögöttes növekedési folyamat függvényében modellezik, az adott növekedési folyamat legjobb paraméterértékeit minden egyénhez illesztve.
ezek a modellek elterjedtek a társadalmi és viselkedési kutatásokban, mivel kimutatták, hogy korlátozott közös tényező modellként illeszthetők be a strukturális egyenlet modellezési keretrendszerbe.
a módszertan felhasználható a szisztematikus változás vagy növekedés, valamint a változás egyének közötti változékonyságának vizsgálatára. Különleges érdeklődésre számot tartó téma a növekedési paraméterek, az úgynevezett kezdeti állapot és Növekedési ütem korrelációja, valamint az időben változó és időinvariáns kovariánsokkal való kapcsolatuk. (Lásd McArdle and Nesselroade (2003) egy átfogó áttekintéshez)
bár a látens növekedési görbe modellek sok alkalmazása csak a kezdeti szint és lejtő komponenseket becsüli meg, ezeknek a modelleknek szokatlan tulajdonságai vannak, például a végtelenségig növekvő variancia. A magasabb rendű komponensekkel rendelkező modellek, például másodfokú, köbös, nem jósolják meg az egyre növekvő varianciát, de kettőnél több mérést igényelnek. Az is lehetséges, hogy illeszkedjen modellek alapján növekedési görbék funkcionális formák, gyakran változatai az általános logisztikai növekedés, mint a logisztikai, exponenciális vagy Gompertz függvények. Bár könnyen illeszthető az olyan sokoldalú szoftverekhez, mint az OpenMx, ezek a bonyolultabb modellek nem szerelhetők fel SEM csomagokkal, amelyekben az útvonal-együtthatók egyszerű állandókra vagy szabad paraméterekre korlátozódnak, és nem lehetnek szabad paraméterek és adatok függvényei.
hasonló kérdésekre többszintű modellel is választ lehet adni.