HLM简易快速入门(第一版)

1HLM简易快速入门（第一版）节约篇幅，前言就写在同页。前言：我尽量不废话。不知道以后会不会更新，暂定为第一版。以张伟豪的HLM课程为基础，做了一些微调。大致按照页面顺序看就OK了，比较容易看得懂。本文档像素较好，建议放大了看。2018.11.092目录HLM简介.........................................................................................................................................1HLM所需的数据档制作.................................................................................................................3HLM的MDM建档.........................................................................................................................5HLM训练案例1..............................................................................................................................7报表制作和结果解读：.........................................................................................................12HLM论文操作流程.......................................................................................................................13HLM计算模式的解读1................................................................................................................15HLM计算模式的解读2................................................................................................................16Rwg（j）..............................................................................................................................................20HLM训练案例2（看完rwg（j）再看本章）.................................................................................23HLM训练案例3（重复测量数据的处理）................................................................................26HLM训练案例4（3层数据的处理）.........................................................................................28附....................................................................................................................................................29HLM的几大模型...................................................................................................................29各种标准的文献来源.............................................................................................................29后语................................................................................................................................................301HLM简介符号表示①β=B②γ=r=G（output中的写法，来源于γ的读音）③μ=u=U重要概念概念内容两个值平均值（固定效果）方差（随机效果）两种变异组内变异/方差(withinvariance)组间变异/方差(betweenvariance)两个参数截距(平均数)(ANOVA)斜率(干扰(调节)效果分析)两张表格EstimationofFixEffectEstimationofVarianceComponents两个重要指标ICC(1)(内部相关系数IntraCorrelationCoefficient)Rwg(j)(评分者一致性Interrateragreement)Meancenter的两个时机0表示无意义的时候（例如身高为0）Level1时，发现后面需要做交互作用的时候Meancenter的两种方法Level1做Groupmeancenter(组)Level2做Grandmeancenter(总)内生变量(Y)方差的分解可解释变异(R2)(Level1andLevel2)（截距的方差和斜率的方差）不可解释变异(残差)两种解释指标f2=（原组内方差–加入自变量后的组内方差）/原组内方差R2=（因变量方差–组内方差/组间的残差）/因变量方差注：①方差=组内方差+组间方差；②组内方差=组间方差的残差；由于HLM重在分析“层”，所以我们目标在于组间效果，组间效果解释不了的方差被认为是残差；③使用R2公式即可算出标准化解释率（目前学界没人这样做）；④在传统回归中，重在于可解释方差的增加，即R2，以此判断解释能力；HLM中，重在于不可解释方差的减小，以及减小的幅度，即f2。⑤交乘项要做meancenter是为了避免变量间的共线性。一般来说，HLM适合的变量数量：Level13个就挺多了（可以放好几个控制变量）Level22个也差不多了（有的人会在这一层放控制变量）Level31个就差不多了Ps：控制变量是没有假设的，一般来说要有文献支撑；另外，如果控制变量不显著，说明这个思路错了。对样本量的要求：250群的时候，收敛就会在7.3%左右，至于每群5个人还是10个人差别都不大。真正有差异的在于第二层的组样本量，但是第二层无论是30还是50人，组内方差都够大。所以，真正需要的样本量，只要50组*5人=250个人就够了。（难在于需要有50个组）文献来源：SufficientSampleSizesforMultilevelModelingHLM分析流程：1.空模型（null或anovamodel）2.仅含Level1自变量的模型（随机ancovamodel或随机系数模型）3.截距模型：仅含Level2的自变量（为类别变量时，是固定效果模型；为连续变量时，是随机回归模型）4.完整模型：level1和Level2同时包含自变量Ps：有的人会在“3”中，既有Level1的自变量，又有Level2的自变量，他们可能是根据Hox的方法来做的，文献来源：MultilevelAnalysisTechniquesandApplications,(2ndEdition)，p11-14.3HLM所需的数据档制作我们手上有一批数据，而且有一个假设（如下图），任务就开始了：Ps1：虽然在模型图上，一共有五条回归线，但是处于层2的变量“学校ID”和“教师经验（教龄）”几乎等同（每个学校只调查一位教师），所以在我们的正式假设中，并没有“学校ID→popular”的假设，也因此，图上该假设为蓝色线条。所以我们的正式假设一共四个：①r01；②r10；③r20；④r21。（作为最高等级的分类变量是一个连接一二三层的变脸，不做假设）1.现有变量变量名变量说明学生ID对个案的编号，不计入分析变量内学校ID分类变量，2层自变量，一共100所学校popular连续变量，因变量——Ysex二分变量，1层自变量teachexp连续变量，2层自变量teachpop连续变量，1层自变量2.整合第一层变量，做出第二层分析所需要的数据文档数据→汇总，以学校为分类变量（如果二层有多个变量，则需要将这些变量均选择作为分界变量），将teachexp和teachpop作为目标合成变量。4变量合成说明：1.圆形图标为不需要分析的变量。2.每所学校只调查一位教师，教师教龄是固定的，所以学校ID变量和老师教龄其实是固定组合，处于第二层。3.每位老师教许多学生，每位学生性别（sex）不一样，且每位学生为老师打分不一样（teachpoop），所以这两个变量处于第一层。4.学生受欢迎程度（popular）为因变量。5.由于不同学校的教师可能有相同教龄，所以在进行数据汇总时，需要以学校ID为分界依据，将二层变量（teachexp）和一层变量（teachpop）取组平均值（教龄取平均和未取平均一样），由于第一层的性别（sex）变量为分类（二分）变量，取平均无意义，所以不进行处理。6.完成数据合成。5HLM的MDM建档1.由于我们使用统计数据建档，所以选择该项。2.由于我们的训练文档为二层数据，所以选择HLM2。6数据建档过程说明：临时Ps：界面操作过程中，不要对小黑框有任何操作（例如关掉它）！①为起始位置，首先选择Level1的数据文档。②选择变量时，以学校作为连接性变量（高Level的变量作为连接变量），所以ID栏选择学校ID。一层自变量和因变量均需要在一层文档中选择。③学校作为连接性变量，仍然需要在ID栏选定，并选择二层变量。④以“mdm”为文件后缀名。⑤本线不是操作步骤线，但是建立MDM文件夹时，与该处同名会方便以后的文档寻找。⑥文档中出现了缺失值，而我们在建档时并未选择存在缺失值，因此无法建档。（只有一层档可以选择是否存在缺失值，因为二层档开始，都是取组均值，缺失值对其无法造成影响）并且，由于我们已经选择过保存，所以无法再进行缺失值存在与否的直接修改。⑦找到关键字“missing”后，将后面的“n”改成“y”并保存，则主界面的“MissingData”会自动变成“Yes”（如右图）。（如果直接更改“No”和“Yes”的按钮，并进行建档，将无法建成，只能用此方法进入存档文件进行修改。）PS：如果保存过程中出现如下方框：则是数据未排序，回到SPSS中对SCHID进行升序排序。数据建完后需要按“CheckStats”再按“Done”。7HLM训练案例11.数据建档后，直接进入操作界面，此时将因变量选入：2.直接运行空模型（随机ANOVA模型），并进行结果查看。3.计算出ICC（1）＞0.059，和ICC（2）＞0.7，本数据适合进行HLM分析。84.加入性别作为自变量，进行运算（随机ANCOVA模型），查看结果：性别作为类别变量，不需要中心化。（如果此处加入的是连续变量，后续又要进行干扰效应验证，则需要选择groupcentered）性别作为类