变动和随机系数模型.pptVIP

博学之，审问之，慎寺之，明辩之，笃行之。精心整理，欢迎收藏 第3章 變動與隨機係數模型 3.1 緒論 3.2 分組迴歸 3.3 變動係數 3.4 隨機係數模型 3.5 線性模型的假設 第3章 變動與隨機係數模型 3.6 「斜率結果」分析 3.7 隨機係數模型分析結果 3.8 替代模型：共變數分析 3.9 參數的數目 3.1 緒論 Compare “varying coefficient model”with “random coefficient (RC) model” 變動截距 2. 變動斜率 3. 變動截距與斜率 3.2 分組迴歸 傳統上，對於分組資料的分析， 多利用不同形式的迴歸分析來處理，包括 了ANCOVA。基本的線性方程式如下： 3.3 變動係數 以四所學校為例 3.3 變動係數 3.3 變動係數 3.3 變動係數 兩階段分析的第二步方程式 （總體層次）如下： 3.3 變動係數 兩階段分析 個體層次：觀測值個數可能不同 (e.g. 學校內學生人數) 總體層次：觀測值個數相同(e.g. 學校數) 缺點：必須針對不同脈絡分別進行分析 3.4 隨機係數模型 不分別針對個別脈絡進行分析 各脈絡下的斜率、截距、或二者可能存在差異 一條實線，加上兩條虛線(代表分散性) 3.4 隨機係數模型 3.4 隨機係數模型 3.4 隨機係數模型 3.4 隨機係數模型 代表各校存在變動的隨機模型的 公式，係從我們熟知的迴歸公式推演得 到，如公式3.3（加底線者仍表示為隨機 變數）： 3.4 隨機係數模型 總體層次的方程式，透過一個固定 參數加上誤差，來描述出隨機斜率與隨機 截距的特性，如下所示： 3.4 隨機係數模型 公式3.5列出帶有一個隨機截距與 隨機斜率的RC模型的變異數成分： 3.4 隨機係數模型 重組後得出： 3.4 隨機係數模型 3.5 線性模型的假設 在固定模型部分，截距可以為相等 （公式3.8a）或不相等（公式3.8b）： 3.5 線性模型的假設 隨機與變動係數模型允許斜率為變 動的數值，如公式3.9b與圖3.2及3.5所 示。 3.6 「斜率結果」分析 3.6 「斜率結果」分析 3.6 「斜率結果」分析 公式3.10a與3.10b列出兩個不同的 總體層次模型，公式3.10a為截距部分 ，公式3.10b為斜率部分。 3.6 「斜率結果」分析 總體迴歸的結果如下： 3.6 「斜率結果」分析 「斜率結果」取向模式的缺點 誤差項結構的設定並不適當，導致參數估計的顯著性存有疑義 第一階段的迴歸係數並沒有相同的效力，但第二階段的分析中每一係數的權重是相同的 3.7 隨機係數模型分析結果 分析的結果如下，係數下方的括弧 內數值為標準誤： 若與固定迴歸模型的結果相比： 3.7 隨機係數模型分析結果 總體方程式考慮了迴歸係數的隨機變異（見表3.3），前面所列出的單一方程式，可以改寫成兩個分離的方程式： 3.7 隨機係數模型分析結果 3.7.1 增加一個總體層次解釋變數 對於公式3.4b的斜率方程式則不變： 3.7.1 增加一個總體層次解釋變數 加以重組後，得出： 3.7.1 增加一個總體層次解釋變數 固定部分的分析結果如下： 3.7.1 增加一個總體層次解釋變數 3.7.1 增加一個總體層次解釋變數 3.7.1 增加一個總體層次解釋變數 固定部分的分析結果如下： 與「斜率結果」模式比較 3.7.1 增加一個總體層次解釋變數 3.8 替代模型：共變數分析 以ANCOVA所得到的結果如下： 3.9 參數的數目 「斜率結果」模式: 10*3(每一個學校3個參數截距斜率與 ) RC: 4 fixed + 4 random RC比「斜率結果」模式更為簡效 博学之，审问之，慎寺之，明辩之，笃行之。精心整理，欢迎收藏 博学之，审问之，慎寺之，明辩之，笃行之。精心整理，欢迎收藏 60.89 19.79 -27.91 42.89 1768.21 Goodness of fit (適配度) D1-D2=1768.21-1749.48=18.73~?2(1) (D) 博学之，审问之，慎寺之，明辩之，笃行之。精心整理，欢迎收藏 FIXED RANDOM 博学之，审问之，慎寺之，明辩之，笃行之。精心整理，欢迎收藏 參數都很接近 但總體層次變數與交互作用向的 標準誤估計不同 博学之，审问之，慎寺之，明辩之，笃行之。精心整理，欢迎收藏 40.20 21.58 -28.95 42.78 1749.48 Goodness of fit (適配度) D1-D2=1749.48-1749.44=0.04~?2(1