我们对人类如何发展，学习，表现和互动的很大一部分是基于调查数据。研究人员使用纵向增长建模来了解学生在小学和中学的心理和社会情感学习结构上的发展。在这些设计中，通常，在多个学年的时间内对学生进行一系列一致的自我报告调查项目，并且根据基于项目响应理论（IRT）方法产生的量表得分来衡量增长。尽管在扩展和联系基于IRT的大规模教育评估方面有很多指导，以促进考生的增长估计，但这种专业知识几乎没有什么能以心理和社会情感结构的规模来实现的。通过一系列的模拟和实证研究，我们使用总和分数以及多种IRT方法在单轴重复测量设计中产生分数，并比较使用每组分数从纵向生长模型中恢复生长估计值。结果表明，使用来自多维IRT方法的分数，这些方法在增长模型中随着时间的流逝而解释了潜在可变协方差，从而可以通过使用和其他IRT方法与模型相对于模型更好地恢复生长参数。