AHLMch01new.PDFVIP

0 多層次模式：進階議題 1 Chapter 1 導論：從 GLM 到 HLM 多層次 模式：進階議題 2 1.1 概說 多層次研究 （ multilevel research ）可以說是當代組織與管理領域最 熱門的新興研究典範 （ Bliese, Chan, Ployhart, 2007; Kozlowski Klein, 2000 ）， 而階層線性模式 （ hierarchical linear modeling ， HLM ； Bryk Raudenbush,1992 ）則是一種將迴歸擴展到階層資料結構 （ hierarchical data structure ）的統計分析技術 。雖然目前學界已有多種不同的方法與軟體 來分析多層次資料 ，並快速擴展到縱貫資料 、非線性模型 、潛在變數模 型，但若非 Goldstein 、 Snijders 、 Bryk 與 Raudenbush 等學者在階層線性 模式的原理進行深入探究並持續開發便捷的 軟體 ，多層次研究或許未有 今日的成熟發展 。 1.1.1 多層次模式概念的發展 事實上 ，社會科學研究者並非無視於多層次分析的重要性 ，例如早 在一甲子之前 ， Robinson （ 1950 ）就已經指出不同層次的資料若無適當 的分析與推論將會犯下嚴重的錯誤 。但階層線性模式遲至九十年代才獲 得發展 ，主要的原因之一是受限於一般線性模式的傳統分析框架 。在過 去，傳統一般線性模式 （ general linear models ， GLM ）的迴歸分析或是 變異數分析 （註 1），僅能處理單一層次變項間的關係 ，而無法同時處理 包含個體與總體等不同層次的跨層級資料 （註 2）。如果要將不同層次的 註 1 指固定效果模式的變異數分析 。 註 2 指個體與總體等不同層次的誤差項 。 多層次模式：進階議題 3 分析單位整合在一個線性模式中 ，必須將傳統 的 GLM 擴充到 HLM 。在 此同時 ，模型的提出必須要有充分的理論依據或邏輯推論 ，再加上資料 分析方法及結果解釋均要與研究設計有關 ，因此階層線性模式不僅是統 計分析技術 ，更是一種統計方法學 （ statistical methodology ）（ Courgeau, 2003 ）。 對於多層次資料結構的分析技術 ，經過半世紀的發展 ，在不同領域 各有不同的專業用語 ，如表 1.1 所示 。本書主要採用 Lindley 與 Smith（ 1972 ） 以及 Raudenbush 與 Bryk （ 1992, 2002 ）的階層線性模式 （ HLM ）來說明 多層次資料的分析技術 ，主要是配合 HLM 軟體的運用 ，更重要的是因 為 HLM 背後的統計語言最容易被理解 ，同時可以應用在多種不同的研 究情境中 ，例如成長研究 、組織效能 、多變項分析 等，因為