多层线性模型.ppt

多层线性模型简介主要内容多层线性模型简介多层线性模型简介层次结构数据为一种非独立数据，即某观察值在观察单位间（或同一观察单位的各次观察间）不独立或不完全独立，其大小常用组内相关(intra-classcorrelation，ICC)度量。

例如，来自同一家庭的子女，其生理和心理特征较从一般总体中随机抽取的个体趋向于更为相似，即子女特征在家庭中具有相似性，数据是非独立的。违背了传统回归（OLS）中关于残差相互独立的假设
采用经典方法可能失去参数估计的有效性并导致不合理的推断结论。
经典方法框架下的分析策略

经典的线性模型只对某一层数据的问题进行分析，而不能将涉及两层或多层数据的问题进行综合分析。

但有时某个现象既受到水平1变量的影响，又受到水平2变量的影响，还受到两个水平变量的交互影响(cross-levelinteraction)。

个体的某事件既受到其自身特征的影响，也受到其生活环境的影响，即既有个体效应，也有环境或背景效应(contexteffect)。

例如，学生（个体）的学习成绩与学生的勤奋程度有关，还与学校的师资配备有关。
企业的创新能力与企业自身的创新投入、学习能力有关，还与企业所属产业的R&D强度有关。
多层线性模型简介多层线性模型简介多层线性模型简介HLM数学模型图1：不考虑学校之间差异的回归直线HLM数学模型图2：只考虑学校差异忽略学生差异回归直线HLM数学模型图3：考虑不同学校平均成绩差异的回归直线HLM数学模型图4：考虑不同学校平均成绩差异和入学对毕业成绩影响程度差异的回归直线在许多研究中，取样往往来自不同层级和单位，这种数据带来了很多跨级（多层）的研究问题，解决这些问题的一种新的数据分析方法——多层模型分析技术。
这一方法的开创及发展的主要贡献者之一是英国伦敦大学的HarveyGoldstein教授及研究者把这种方法称作“多层分析”。另一主要开拓者美国密歇根大学的StephenW.Raudenbush教授和同行把它称为“分层线性模型结构”。在此，我们按照张雷等人的叫法称其为“多层线性模型”或“多层模型”。
多层线性模型简介多层线性模型简介多层线性模型简介多层线性模型简介多层线性模型基本原理多层线性模型基本原理多层线性模型基本原理多层线性模型基本原理多层线性模型基本模型多层线性模型——零模型多层线性模型——零模型多层线性模型——完整模型多层线性模型——完整模型多层线性模型——完整模型多层线性模型——协方差模型多层线性模型——协方差模型多层线性模型——随机效应回归模型多层线性模型——随机效应回归模型多层线性模型——发展模型多层线性模型——发展模型多层线性模型——发展模型多层线性模型——发展模型多层线性模型——三层模型多层线性模型——三层模型多层线性模型——三层模型多层线性模型——三层模型HLM应用举例HLM应用举例HLM应用举例指定层1变量保存MDM模板

生成MDM文件

查看MDM的统计量MDM的描述统计量无条件模型参数估计结果填加层1解释变量含有第一水平预测变量的HLM模型（随机系数模型）随机系数模型参数估计结果含有第二水平预测变量的模型Inthelevel-2model,boththeinterceptandSESslopearetobemodeledasdependentontheschool'smeansocialclass(MEANSES)andschoolsector(SECTOR).填加层2的解释变量Usinglevelsubscripts指定层1系数为随机的或非随机的结果分析个体水平模型背景（Contextual）模型背景（Contextual）影响问题截距是否存在第二水平的变异?可否用第二水平的预测变量解释截距之间的差异?斜率是否存在第二水平的变异?能否用第二水平的预测变量解释斜率间的差异?应该注意的问题