Qual pacote R usar para realizar uma análise de crescimento de classe latente (LCGA) / modelo de mistura de crescimento (GMM)?

Estou tentando executar uma análise de crescimento de classe latente (LCGA) e / ou modelos de mistura de crescimento (GMMs) em R. Os dados que estou usando são um número crescente de bifurcações de repositórios git (variável discreta, não categórica), como você pode veja neste conjunto de dados .

Eu tentei lavaan, o que me ajudou a ajustar um modelo de curva de crescimento latente, mas não a identificar classes latentes. Eu também tentei poLCA, que funciona apenas para variáveis ​​politômicas categóricas, portanto também não é suficiente.

Qual é o pacote R mais apropriado para executar uma análise de crescimento de classe latente em dados variáveis ​​discretos?

A análise que quero fazer é semelhante à de Qureshi & Fang (2010):

Qureshi, I. e Fang, Y. 2010. “Socialização em projetos de software de código aberto: uma abordagem de modelagem de mistura de crescimento”, Métodos de pesquisa organizacional (14: 1), pp. 208–238.

O projeto OpenMx pode estimar modelos de mistura de crescimento, embora você precise instalar o pacote no site deles, pois ele não está no CRAN. Eles têm exemplos na documentação do usuário (seção 2.8) sobre como configurar isso também.

Você também tem o pacote Kml e Kml3d (trajetórias articulares) que estimam o equivalente não paramétrico de um GMM. Você não obtém nenhum parâmetro como resultado dessas análises, apenas a classificação de cada observação nas classes. No entanto, na maioria dos aplicativos, as pessoas não usam os parâmetros de LCGA e GMM de qualquer maneira, e também é muito mais robusto do que esses aplicativos, em particular o GMM. Existem duas ou três publicações nos pacotes e na documentação completa do R.