多层时间序列回归模型方法综述要点.docVIP

多层统计模型方法综述 目前为止，研究多层统计模型的学者有很多，但大家基本上接受两组人分别独立开发出同一模型的结果，这两组人分别有各自分析的成熟的软件。一组是S.Raudenbush与A.Bryk建立的hierarchical linear model，开发的软件为HLM。另一组是由H.Goldstein定义的multilevel models，开发出的软件为MLwiN(早期版本称ML3，MLn)。 多层统计模型有许多名称，有multilevel models,hierarchical linear model,random-effect model,random coefficient model,various component model,mixed-effect model,empirical Bayes model. 多层统计模型主要用于对横截面数据（即面板数据）以及层次结构数据的研究。详情见下表： 多层统计模型 横截面数据 层次结构数据 实例 模型 临床实验和动物实验的重复测量 多水平主成分分析 多中心临床试验研究 多水平判别分析 纵向观测如儿童生长发育研究 多水平logistic回归 流行病学现场调查如整群抽样调查 多水平Poisson回归 遗传学家系调查资料 多水平时间序列分析 Meta分析资料 多元多水平模型 多水平结构方程模型