¿Qué paquete R usar para realizar un análisis de crecimiento de clase latente (LCGA) / modelo de mezcla de crecimiento (GMM)?

Estoy tratando de realizar un análisis de crecimiento de clase latente (LCGA) y / o modelos de mezcla de crecimiento (GMM) en R. Los datos que estoy usando es un número cada vez mayor de tenedores de repositorios git (variable discreta, no categórica), como puedes ver en este conjunto de datos .

Lo intenté lavaan, lo que me ayudó a ajustar un modelo de curva de crecimiento latente, pero no a identificar clases latentes. También lo intenté poLCA, que solo funciona para variables politómicas categóricas, por lo tanto, tampoco fue suficiente.

¿Cuál es el paquete R más apropiado para realizar un análisis de crecimiento de clase latente en datos de variables discretas?

El análisis que quiero hacer es similar al de Qureshi y Fang (2010):

Qureshi, I. y Fang, Y. 2010. "Socialización en proyectos de software de código abierto: un enfoque de modelado de mezcla de crecimiento", Métodos de investigación organizacional (14: 1), págs. 208–238.

El proyecto OpenMx puede estimar modelos de mezcla de crecimiento, aunque debe instalar el paquete desde su sitio web ya que no está en CRAN. Tienen ejemplos en la documentación del usuario (sección 2.8) sobre cómo configurar esto también.

También tiene el paquete Kml y Kml3d (trayectorias conjuntas) que estiman el equivalente no paramétrico de un GMM. No obtiene ningún parámetro como resultado de estos análisis, solo la clasificación de cada observación en las clases. Sin embargo, en la mayoría de las aplicaciones, las personas no usan los parámetros de LCGA y GMM de todos modos, y también es mucho más robusto que esas aplicaciones, en particular GMM. Hay dos o tres publicaciones sobre los paquetes y la documentación completa de R.