在对这个问题进行一些扩展之前，我想先设置一下场景。
我有纵向数据，大约每 3 个月对受试者进行一次测量，主要结果是 5 到 14 范围内的数字（如连续到 1dp），大部分（所有数据点）在 7 到 10 之间。如果我做意大利面条图（x 轴上有年龄，每个人都有一条线）这显然是一团糟，因为我有超过 1500 名受试者，但随着年龄的增长，显然会朝着更高的值迈进（这是已知的）。
更广泛的问题：我们想做的是首先能够识别趋势组（那些开始高并保持高位，那些开始低并保持低位，那些开始低并增加到高位等）然后我们可以查看与“趋势组”成员相关的个人因素。
我在这里的问题特别与第一部分有关，即按趋势分组。
我看过一位同事建议的 SAS 和 M-Plus 中的 Proc Traj，我正在研究，但想知道其他人对此有何看法。
我使用R中的Mfuzz对时间进程微阵列数据集进行聚类。Mfuzz 使用“软聚类”。基本上，个人可以出现在多个组中。
正如@Andy 在评论中指出的那样，原始论文使用 CTN 数据。但是，我怀疑它应该适用于您的离散数据。特别是因为您只是在探索数据集。这是 R 中的一个简单示例：
##It's a bioconductor package
library(Mfuzz)
library(Biobase)
## Simulate some data
## 6 time points and 90 individuals
tps = 6;cases = 90
d = rpois(tps*cases, 1) ##Poisson distribution with mean 1
m = matrix(d, ncol=tps, nrow=cases)
##First 30 individuals have increasing trends
m[1:30,] = t(apply(m[1:30,], 1, cumsum))
##Next 30 have decreasing trends
##A bit hacky, sorry
m[31:60,] = t(apply(t(apply(m[31:60,], 1, cumsum)), 1, rev))
##Last 30 individuals have random numbers from a Po(1)
##Create an expressionSet object
tmp_expr = new('ExpressionSet', exprs=m)
##Specify c=3 clusters
cl = mfuzz(tmp_expr, c=3, m=1.25)
mfuzz.plot(tmp_expr,cl=cl, mfrow=c(2, 2))
给出以下情节：
我希望有一个 MPLUS 软件包可以满足您的需求。Psychometrika 上有一篇关于这个主题的论文
springerlink.com/content/25r110007g417187
除了数据是二进制的并且轨迹是概率轨迹。作者使用潜在类别分析（通过使用惩罚有限混合模型实现）对轨迹进行分组。我还知道第一作者大约 10 年前与 Bengt Muthen（MPLUS 的创建者）写了一些其他关于类似设置（带有轨迹）下的潜在类分析的论文。例如，
http://onlinelibrary.wiley.com/doi/10.1111/j.0006-341X.1999.00463.x/abstract
听起来与您所说的非常相似，只是结果是二进制的。连续案例要简单得多，所以我会进行向后的文献搜索（即查看这些论文参考的论文）以找到与您更准确地描述的内容相匹配的内容。
要了解更多信息，您可以直接询问 MPLUS 的所有者，您需要使用什么软件包来做您需要的事情。他们通常会很快做出反应并且非常有帮助：