多层线性模型.pptVIP

第六十二页，编辑于星期二：十八点 五十七分。 多层线性模型基本模型 2、多层线性模型的基本模型 零模型（The Null Model） 第一层和第二层均没有预测变量，只是将方程分解为由个体差异造成的部分及由组差异造成的部分，这种方法为方差成分分析。 第三十页，编辑于星期二：十八点 五十七分。 多层线性模型——零模型 第一层： 第二层： 合并模型： ij oj ij e u Y + + = 00 g 第三十一页，编辑于星期二：十八点 五十七分。 多层线性模型——零模型 指第j个二层单位Y的平均值 指第j个二层单位Y的变异 指所有二层单位的Y的总体平均数 指第二层方程的残差（随机项） 跨级相关：指Y的总体变异中有多大比例是由第二层的变异引起的。 第三十二页，编辑于星期二：十八点 五十七分。 多层线性模型——完整模型 完整模型（The Full Model） 既包含了第一层的预测变量，又包含了第二层的预测变量，可通过理论建构来说明解释Y的总体变异是怎样受第一层和第二层因素的影响。 第一层： 第三十三页，编辑于星期二：十八点 五十七分。 多层线性模型——完整模型 第二层： j j j u W 0 01 00 0 + + = g g b 第三十四页，编辑于星期二：十八点 五十七分。 多层线性模型——完整模型 在第一层方程中，0代表截距，1代表斜率 在第二层方程中，第一个下标代表第一层参数的类型；第二个下标代表第二层参数的类型。 β0j和β1j的预测变量可以相同，也可以不同。 第三十五页，编辑于星期二：十八点 五十七分。 多层线性模型——协方差模型 在零模型与完整模型之间，可通过向各层方程中增加不同的变量，设定不同的随机成分与固定成分来建构各种分析模型。 协方差模型（ANCOVA Model） 第一层： 第二层： 第三十六页，编辑于星期二：十八点 五十七分。 多层线性模型——协方差模型 第一层方程中，预测变量采用总体平均数为参照的离差，与传统协方差分析的区别是β0j被进一步分解为 和 β1j没有随机项，反映了协方差分析的一个重要前提，协变量对因变量的回归系数的组间一致性。检验这种假设的方法是把 纳入到方程中，并检验 是否成立。 第三十七页，编辑于星期二：十八点 五十七分。 多层线性模型——随机效应回归模型 随机效应回归模型（Radom Eeffect Regression Model） 第一层： 第二层： j j u 0 00 0 + = g b j j u 1 10 1 + = g b 第三十八页，编辑于星期二：十八点 五十七分。 多层线性模型——随机效应回归模型 此模型与完整模型的区别在于第二层没有预测变量；与传统OLS回归区别在于第一层的β0j和β1j是随机的而非固定的，其目的是寻找第一层的截距、斜率在第二层单位上的变异。 第三十九页，编辑于星期二：十八点 五十七分。 多层线性模型——发展模型 发展模型 发展模型是把多次观测结果作为时间的某种数学函数来建构模型。它多用于发展研究、纵向研究或者追踪研究。 在这种模型中，第一层数据为不同时间的观察结果，第二层数据为个体的特征。 第四十页，编辑于星期二：十八点 五十七分。 多层线性模型——发展模型 第一层：线性发展模型 Time:一般用编码的形式来反映增量 Eg: 0、1、2、3、4、5 －5、－4、－3、－2、－1、0 线性发展模型的第一层方程并不一定为线性方程，也可以为非线性方程。 Eg: 第四十一页，编辑于星期二：十八点 五十七分。 多层线性模型——发展模型 “确定发展变异”的第二层： j j u 0 00 0 + = g b j j u 1 10 1 + = g b 时间变量编码为0时Y的总体平均数 线性发展斜率的总体平均值 指个体j与平均发展斜率的离差 指个体j与平均截距的离差 第四十二页，编辑于星期二：十八点 五十七分。 多层线性模型——发展模型 “预测发展变异”的第二层： j j j u W 0 01 00 0 + + = g g b 考虑第二层的预测变量W后第一层的截距和第一层的斜率在第二层单位间的残差方差 代表第二层的变量W对第一层截距的效应 第四十三页，编辑于星期二：十八点 五十七分。 多层线性模型——三层模型 三层模型是二层模型的直接扩展，我们也可以根据需要选择零模型与完整模型之间的任何模型。 模型1：零模型 第一层： 第二层： 第三层： 第四十四页，编辑于星期二：十八点 五十七分。 多层线性模型——三层模型 第一个下标表示第一层方程中的参数；第二个下标表示第二层方程中的参数；第三个下标表示第三层方程中的参