多层线性模型简介_两水平模型.pptVIP

多层线性模型简介 Introduction to HlLm 北京师范大学心理学院 刘红 主要内容 为什么要用多层线性模型? 回归分析模型回顾 多层(多水平)数据特点 什么是多层线性模型? HLM发展 HLM数学模型 HLM常见简化模型 ■两水平模型应用举例 应该注意的问题 回归分析模型 Y=Bo+B, X, +8 6; -N(o,o 2) 回归分析模型的假设 线性( Linearity) 误差正态分布( normally distributed 误差方差齐性( homoskedastic) ■误差或观测个体之间相互独立 (independent 什么是多层(多水平)数据? 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。如学生嵌套于班级,班级嵌 套于学校等。 同一单位内的观测,具有更大的相似性。同 个班级的学生由于受相同的班级环境等因素的 影响有更大的相似性。 嵌套于背景( contextual)特征 的多层数据举例 学生水平特征的观测,嵌套于班级或学校 兄弟姊妹特征的观测,嵌套于家庭 个体之间的观测嵌套于社区 个体不同时间点的重复测量嵌套于个体 病人嵌套于医院 参数的估计嵌套于不同的研究(元分析, meta-analysis) 对多层数据,我们了解什么 随机选取两个观测,同一组内的观测之间的相似性要 比不同组观测之间的相似性大 如果回归模型不能解释所有的组间的差异(事实上传 统回归不可能做到这一点),那么同一组内的观测之间 的误差可能相关 这就违背了传统回归(OLS)中关于残差相互独立的 假设 至少,传统回归分析得到的标准误的估计不正确(太 小) HLM数据特点 ˉ对于嵌套数据,传统回归模型的做法 (1)个体(如学生)水平上分析 问题:同一班级的学生间相互独立的假 设是不合理的,同样对不同班级的学生 和相同班级的学生作同一假设也是不合 理的。 (2)组(如学校)水平上分析 问题:丢失了班级内学生个体间的差异 的信息。 HLM数据特点 ■对于嵌套数据,传统回归分析的假设往 往无法满足 传统的线性回归模型假设变量间存在直 线关系,因变量总体上服从正态分布, 方差齐性,个体间相互独立。前两个假 设较易保证,但方差齐性,尤其是个体 相互独立的假设却很难满足。 独立性不满足带来的问题 传统回归系数估计的标准误依赖于 相互独立的假设 如果独立性的假设不满足,得到的 标准误的估计往往偏小,因此所犯 第一类错误的概率往往偏大。