多层线性模型(HLM)理论及应用.pdf

多层线性模型(HLM)理论及应用 Anthea Lai 2012-4-6 首都师范大学 2 目 录 01 第一章 多层线性模型简介 02 第二章 多层线性模型的统计原理 03 第三章 两层数据模型应用实例 04 第四章 发展模型应用实例 05 第五章 三层数据模型应用实例 2012-4-6 首都师范大学 3 第一章 多层线性模型简介 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。 • “多层分析”（Multilevel Analysis ），英国伦敦大学Harvey Goldstein教授。 • “分层线性模型结构”(Hierarchical Linear Modeling) ，美国密 歇根大学Stephen W. Raudenbush教授。 • “多层线性模型”或“多层模型”，张雷等人。 2012-4-6 首都师范大学 4 一、多层数据结构的普遍性 多层（多水平）数据指的是观测数据在单位上具有 嵌套的关系。 （1）教育研究领域 学生镶嵌于班级，班级镶嵌于学校，或者学生简单地镶 嵌于学校。这时学生代表了数据结构的第一层，而班级或学 校代表的是数据结构的第二层；如果数据是学生镶嵌于班级， 而班级又是镶嵌于学校，那么就是三层数据结构。 传统的线性模型，例如方差分析和回归分析，只能对涉 及一层数据的问题进行分析。而在教育研究中，更为重要的 和令人感兴趣的正是关于学生层的变量与班级或学校层变量 之间的交互作用。 2012-4-6 首都师范大学 5 （2）组织心理学研究领域 研究者的兴趣常常在于组织与镶嵌于不同组织的雇员之 间的关系。雇员层上的变量结果中的差异，或者变量之间关 系的差异，可以解释为组织层上预测变量的函数。 （3）纵向研究、重复研究 在发展心理学中，研究者可以在一段时间内对儿童进行 多次观察，那么不同时间的观测数据形成了数据结构的第一 层，而儿童之间的个体差异则形成了数据结构的第二层。这 样，就可以探索个体在其发展趋势或发展曲线上的差异。 2012-4-6 首都师范大学 6 二、多层研究方法的历史回顾 在社会科学研究中，组效应或者背景效应问题已经困扰 了研究者大约半个世纪。社会科学研究假设，个体的行为既 受个体自身特征的影响，也受到其所处环境的影响，所以研 究者一直试图将个体效应与组效应（背景效应或环境效应） 区分开来。 • 个体效应：由个体自身特征所造成的变异。 • 组效应（池塘效应）：由个体所处环境所造成的变异。 2012-4-6 首都师范大学 7 1、聚合（aggregation）和分解（disaggregation） （1）只关注个体效应，而忽视组效应 在个体这一层数据上得到的相关系数可能是错误的，因为相似背景 的个体比组外个体相似程度更高；另一个结果就是增大了犯Ⅰ类错误的 概率，因为观测到的效应既包含个体效应，又包含组效应。 （2）在组水平上进行分析 • 给个体层次的数据加入一个组变量； • 把数据集中起来，使其仅在第二层的组间发挥作用，从而丢失了重要