modelos de crescimento latente representam medidas repetidas de variáveis dependentes em função do tempo e de outras medidas. Esses dados longitudinais compartilham as características que os mesmos indivíduos são observados repetidamente ao longo do tempo, e nos mesmos testes (ou versões paralelas), e em momentos conhecidos. Em modelagem de crescimento latente, a posição relativa de um indivíduo a cada momento é modelada em função de um processo de crescimento subjacente, com os melhores valores de parâmetro para esse processo de crescimento sendo adaptado a cada indivíduo.
estes modelos têm crescido em uso em pesquisa social e comportamental, uma vez que foi demonstrado que eles podem ser adaptados como um modelo restrito de fator comum na estrutura de modelagem de equações estruturais.
a metodologia pode ser usada para investigar mudanças sistemáticas, ou crescimento, e variabilidade interindividual nesta mudança. Um tópico especial de interesse é a correlação dos parâmetros de crescimento, o chamado status inicial e taxa de crescimento, bem como sua relação com variáveis de tempo e covariações invariantes de tempo. (See McArdle and Nesselroade (2003) for a comprehensive review)
Although many applications of latent growth curve models estimate only initial level and slope components, these models have unusual properties such as indefinidamente increasing variance. Modelos com componentes de ordem superior, por exemplo, quadrático, cúbico, não prevêem variância sempre crescente, mas requerem mais de duas ocasiões de medição. Também é possível encaixar modelos baseados em curvas de crescimento com formas funcionais, muitas vezes versões do crescimento logístico generalizado, como as funções logísticas, exponenciais ou Gompertz. Embora simples de se encaixar com softwares versáteis como o OpenMx, esses modelos mais complexos não podem ser equipados com pacotes SEM em que os coeficientes do caminho são limitados a constantes simples ou parâmetros livres, e não podem ser funções de parâmetros e dados livres.Perguntas semelhantes também podem ser respondidas usando uma abordagem de modelo multi-nível.