I modelli di crescita latente rappresentano misure ripetute di variabili dipendenti in funzione del tempo e di altre misure. Tali dati longitudinali condividono le caratteristiche che gli stessi soggetti sono osservati ripetutamente nel tempo, e sugli stessi test (o versioni parallele), e in tempi noti. Nella modellazione della crescita latente, la posizione relativa di un individuo in ogni momento viene modellata in funzione di un processo di crescita sottostante, con i migliori valori dei parametri per quel processo di crescita che viene adattato a ciascun individuo.
Questi modelli sono cresciuti in uso nella ricerca sociale e comportamentale da quando è stato dimostrato che possono essere montati come un modello di fattore comune limitato nel quadro di modellazione delle equazioni strutturali.
La metodologia può essere utilizzata per studiare il cambiamento sistematico, o la crescita, e la variabilità interindividuale in questo cambiamento. Un argomento speciale di interesse è la correlazione dei parametri di crescita, il cosiddetto stato iniziale e il tasso di crescita, nonché la loro relazione con covariate variabili nel tempo e invarianti nel tempo. (Vedi McArdle e Nesselroade (2003) per una revisione completa)
Sebbene molte applicazioni di modelli di curve di crescita latenti stimino solo i componenti iniziali di livello e pendenza, questi modelli hanno proprietà insolite come la varianza indefinitamente crescente. I modelli con componenti di ordine superiore, ad esempio quadratici, cubici, non prevedono una varianza sempre crescente, ma richiedono più di due occasioni di misurazione. È anche possibile adattare modelli basati su curve di crescita con forme funzionali, spesso versioni della crescita logistica generalizzata come le funzioni logistiche, esponenziali o Gompertz. Sebbene semplici da adattare a software versatili come OpenMx, questi modelli più complessi non possono essere dotati di pacchetti SEM in cui i coefficienti di percorso sono limitati ad essere semplici costanti o parametri liberi e non possono essere funzioni di parametri e dati liberi.
Domande simili possono anche essere risolte utilizzando un approccio modello multilivello.