隨著橫斷性研究設計(cross-sectional study)的限制愈來愈多，例如單一時間點單一受試者來源可能會出現嚴重的共同方法變異(common method variance, CMV)，一或者是單一時間點蒐集自變數和依變數，較難推斷這兩者之間的因果關係。
有一些研究學者主張以跨時間點的資料蒐集方式，降低CMV問題，亦增強自變數對依變數的預測關係。這樣的學術研究現象與趨勢，促成近年來許多研究開始採用縱貫性研究設計(longitudinal study)(吳齊殷、張明宜、陳怡蒨，2008)。
縱貫性研究的基本定義可視為蒐集同一資料來源兩個(含)以上時間點的資料，然而縱貫性研究資料除了以一般的迴歸分析之外，是否有其他適用的統計分析方法呢?本篇目的即為彙整當前縱貫性研究設計常見的統計分析方法有哪些，提供給大家參考。
一、重複量數變異數(Repeated measured ANOVA)
二、潛在成長模型(latent growth model, LGM)
- 基本假設為受試者在某一變數的「改變」和「研究者測量時間內的消長變化」視為有關連性的。
- 至少需要三個測量時間點
- 相較於重複量數變異數分析之優點：可接受遺漏值(missing data)、測量時間可為不等距、可違反同質性之假設(余民寧，2013)。
三、時間序列(time series)
- 瞭解和評估某一變數隨時間變化之趨勢，或用來預測未來的趨勢。
- 建構時間序列模型的步驟涵蓋：1鑑定(identification)；2估計與診斷(estimation and diagnosis)；3預測(forecasting)(楊銘欽、李姣姿、邱尚志，2004)。
參考文獻
余民寧(2013)。書評：潛在成長曲線模式。當代教育研究季刊，21(2)，149-159。
吳齊殷、張明宜、陳怡蒨(2008)。尋找機制與過程：長期追蹤研究的功用。αβγ量化研究學刊，2(1)，1-26。
楊銘欽、李姣姿、邱尚志(2004)。供需成本節制對健保醫療費用影響之時間序列分析。台灣公共衛生雜誌，23(5)，377-387。
