多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型課件

多層線性模型在追蹤研究中的應(yīng)用多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型1.追蹤數(shù)據(jù)的多水平分析2.HLM多水平分析操作3.SPSS多水平分析操作4.Mplus多水平分析操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型追蹤研究數(shù)據(jù)的多層分析當(dāng)對(duì)相同的觀測(cè)對(duì)象進(jìn)行重復(fù)測(cè)量時(shí)，可以將這些重復(fù)測(cè)量的數(shù)據(jù)本身看成是具有層次結(jié)構(gòu)特點(diǎn)的。如對(duì)生長(zhǎng)發(fā)育期兒童身高和體重變化情況的追蹤調(diào)查等，可以將這些重復(fù)測(cè)量數(shù)據(jù)構(gòu)造出一個(gè)兩水平的層次結(jié)構(gòu)，其重復(fù)測(cè)量或測(cè)量點(diǎn)為水平1的單位，觀測(cè)個(gè)體為水平2的單位。

個(gè)體隨時(shí)間變化的問(wèn)題，即個(gè)體的特征隨時(shí)間有什么樣的變化特點(diǎn)？個(gè)體之間變化差異的問(wèn)題，即個(gè)體之間的變化是否存在差異？用什么特征可以預(yù)測(cè)或解釋個(gè)體之間變化的差異？多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型數(shù)據(jù)：香港三所小學(xué)264名學(xué)生，其中男生149名，女生115名。以每年測(cè)查一次的方式，對(duì)他們從三年級(jí)到六年級(jí)的自我概念進(jìn)行連續(xù)四次的測(cè)量，且在三年級(jí)第一次測(cè)試時(shí)對(duì)他們退縮行為進(jìn)行測(cè)量。測(cè)量：自我概念：采用SusanHarter（1982）的兒童自我能力感知量表對(duì)兒童不同領(lǐng)域能力的自我概念進(jìn)行測(cè)量。該量表包含與特殊領(lǐng)域相關(guān)聯(lián)的①認(rèn)知自我概念；②社交自我概念；③運(yùn)動(dòng)自我概念三個(gè)方面，另外還包含與具體領(lǐng)域獨(dú)立的一般自我概念。量表共28個(gè)項(xiàng)目，其中每個(gè)分量表7個(gè)項(xiàng)目。兒童的退縮行為：采用兒童退縮行為量表對(duì)兒童的退縮行為進(jìn)行測(cè)量，該量表共由7個(gè)項(xiàng)目組成。多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型追蹤研究關(guān)心的問(wèn)題三年級(jí)到六年級(jí)這一段時(shí)間，小學(xué)生自我概念發(fā)展有什么樣的特點(diǎn)，即線性增長(zhǎng)（或下降），還是非線性的變化趨勢(shì)等（先增長(zhǎng)后下降）；不同的學(xué)生在這一時(shí)期自我概念的發(fā)展是否存在個(gè)體之間的差異，如果存在差異，能否用一些變量來(lái)解釋或預(yù)測(cè)這些差異。

多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型隨機(jī)抽取60個(gè)學(xué)生自我概念的發(fā)展趨勢(shì)多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型隨機(jī)抽取的四個(gè)個(gè)體自我概念隨時(shí)間發(fā)展的特征多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型退縮行為高分組和低分組自我概念發(fā)展趨勢(shì)多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型追蹤研究中的兩水平模型水平1的模型，描述個(gè)體隨時(shí)間的發(fā)展；水平2模型，對(duì)個(gè)體間發(fā)展的差異進(jìn)行解釋。然后就關(guān)心的問(wèn)題進(jìn)行分析和解釋。

多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型兩水平重復(fù)測(cè)量線性模型水平1（測(cè)量水平）水平2（個(gè)體水平）t表示不同次的測(cè)量，可以描述時(shí)間間隔，沒(méi)有必要等距（如0,1,1.5,2,....）?？烧f(shuō)明個(gè)體間的差異多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型模型1：線性增長(zhǎng)模型水平1模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型模型1：線性增長(zhǎng)模型第二水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型第二水平模型：預(yù)測(cè)變量第二水平預(yù)測(cè)變量模型可以用來(lái)自變量（如判斷性別差異、有無(wú)退縮行為）對(duì)自我觀念的變化有無(wú)趨勢(shì)及影響程度多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型HLM軟件操作多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型模型定義：無(wú)條件線性增長(zhǎng)模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型RUN

Analysis多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型固定部分Finalestimationoffixedeffects(withrobuststandarderrors)----------------------------------------------------------------------------StandardApprox.FixedEffectCoefficientErrorT-ratiod.f.P-value----------------------------------------------------------------------------ForINTRCPT1,P0INTRCPT2,B002.8160840.021325132.0542630.000ForTIMEslope,P1INTRCPT2,B10-0.0840120.011601-7.2422630.000----------------------------------------------------------------------------多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型隨機(jī)部分Finalestimationofvariancecomponents:-----------------------------------------------------------------------------RandomEffectStandardVariancedfChi-squareP-value

DeviationComponent-----------------------------------------------------------------------------INTRCPT1,R00.229300.05258263466.535480.000TIMEslope,

R10.127480.01625263483.192100.000level-1,

E0.311530.09705-----------------------------------------------------------------------------多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型----------------------------------------------------------------------------StandardApprox.FixedEffectCoefficientErrorT-ratiod.f.P-value----------------------------------------------------------------------------ForINTRCPT1,P0INTRCPT2,B002.814

0.03094.8732610.000GENDER,B010.004

0.0410.0992610.922WITHDRAW,B02-0.104

0.020-5.3132610.000ForTIMEslope,P1INTRCPT2,B10-0.117

0.016-7.4222610.000GENDER,B110.058

0.0222.5922610.010WITHDRAW,B120.032

0.0122.7662610.007----------------------------------------------------------------------------多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Finalestimationofvariancecomponents:-----------------------------------------------------------------------------RandomEffectStandardVariancedfChi-squareP-valueDeviationComponent-----------------------------------------------------------------------------INTRCPT1,R00.2060.042261424.170.000TIMEslope,R10.1220.015261460.290.000level-1,E

0.3120.097-----------------------------------------------------------------------------多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型非線性變化趨勢(shì)多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型固定部分Finalestimationoffixedeffects(withrobuststandarderrors)----------------------------------------------------------------------------StandardApprox.FixedEffectCoefficientErrorT-ratiod.f.P-value----------------------------------------------------------------------------ForINTRCPT1,P0

INTRCPT2,B002.8520.023125.8572630.000ForTIMEslope,P1

INTRCPT2,B10-0.1920.032-6.0192630.000ForTIME2slope,P2INTRCPT2,B200.0360.0103.7182630.000----------------------------------------------------------------------------多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型隨機(jī)部分Finalestimationofvariancecomponents:-----------------------------------------------------------------------------RandomEffectStandardVariancedfChi-squareP-valueDeviationComponent-----------------------------------------------------------------------------INTRCPT1,R00.2270.051263422.840.000TIMEslope,R1

0.229

0.052

263

326.340.005TIME2slope,R20.0530.003263295.600.081level-1,E

0.2980.089-----------------------------------------------------------------------------多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型用SPSSMixedModel定義多水平模型一個(gè)個(gè)體一行記錄，多個(gè)變量，含有一個(gè)描述個(gè)體編號(hào)的變量

MultipleVariableDataStructure（MV）

一次觀測(cè)一行記錄，含有一個(gè)個(gè)體編號(hào)和測(cè)量次數(shù)或時(shí)間的變量

MultipleRecordDataStructure（MR）

多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型MultipleVariableDataStructure多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型MultipleRecordDataStructure多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型具有一般嵌套結(jié)構(gòu)特點(diǎn)的多層數(shù)據(jù)－－學(xué)生嵌套于學(xué)校GETFILE='C:\HLM_EXAMPLE\EX1.SAV'.MIXEDMATHACHBYSECTORWITHMEANSESCSES/METHOD=REML/PRINT=SOLUTIONTESTCOV/FIXED=MEANSESSECTORCSESMEANSES*CSESSECTORCSES[SSTYPE(3)]/RANDOM=INTERCEPTCSES[SUBJECT(SCHOOL)]COVTYPE(UN).多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型句法（Syntax）－－解釋1GETFILE='C:\HLM_EXAMPLE\EX1.SAV'.2MIXEDMATHACHBYSECTORWITHMEANSESCSES3/METHOD=REML4/PRINT=SOLUTIONTESTCOV5/FIXED=MEANSESSECTORCSESMEANSES*CSESSECTORCSES[SSTYPE(3)]6/RANDOM=INTERCEPTCSES[SUBJECT(SCHOOL)]COVTYPE(UN).

1打開(kāi)數(shù)據(jù)文件；

2因變量為MATHACH，自變量為SECTOR，MEANSESCSES，分類自變量寫(xiě)在BY的后面，連續(xù)自變量寫(xiě)在WITH的后面；3用限制性極大似然估計(jì)法，在MixedModel中估計(jì)方法有REML和ML兩種，REML是缺省的設(shè)置；SOLUTION定義打印輸出固定部分參數(shù)估計(jì)和檢驗(yàn)結(jié)果，TESTCOV要求打印輸出隨機(jī)部分協(xié)方差矩陣的估計(jì)和檢驗(yàn)結(jié)果；FIXED后面定義模型中的預(yù)測(cè)變量；Random后的變量用來(lái)定義允許第二層有差異的隨機(jī)變量，SUBJECT后的SCHOOL為更高的組變量，COVTYPE用來(lái)定義協(xié)方差矩陣的類型多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型MIXEDMODEL應(yīng)用舉例：模型1－－無(wú)條件模型GETFILE='C:\HLM_EXAMPLE\EX1.SAV'.MIXEDMATHACH/METHOD=REML/PRINT=SOLUTIONTESTCOV/FIXED=|SSTYPE(3)/RANDOM=INTERCEPT|SUBJECT(SCHOOL)COVTYPE(UN).多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型應(yīng)用舉例：模型1——無(wú)條件模型參數(shù)估計(jì)結(jié)果多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型應(yīng)用舉例：模型2－－條件模型（水平2預(yù)測(cè)變量）MIXEDMATHACHwithmeanses/METHOD=REML/PRINT=SOLUTIONTESTCOV/FIXED=MEANSES|SSTYPE(3)/RANDOM=INTERCEPT|SUBJECT(SCHOOL)COVTYPE(UN).多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型應(yīng)用舉例：模型2－－條件模型（水平2預(yù)測(cè)變量）結(jié)果多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型應(yīng)用舉例：模型3－－條件模型（水平1預(yù)測(cè)變量中心化）MIXEDMATHACHwithcses/METHOD=REML/PRINT=SOLUTIONTESTCOV/FIXED=CSES|SSTYPE(3)/RANDOM=INTERCEPTcses|SUBJECT(SCHOOL)COVTYPE(UN).多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型應(yīng)用舉例：模型3－－條件模型（水平1預(yù)測(cè)變量中心化）結(jié)果多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型應(yīng)用舉例：模型4－－同時(shí)含有水平1和水平2的預(yù)測(cè)變量MIXEDMATHACHBYSECTORWITHMEANSESCSES/METHOD=REML/PRINT=SOLUTIONTESTCOV/FIXED=MEANSESSECTORCSESMEANSES*CSESSECTOR*CSES|SSTYPE(3)/RANDOM=INTERCEPTCSES|SUBJECT(SCHOOL)COVTYPE(UN).多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型應(yīng)用舉例：模型4－－同時(shí)含有水平1和水平2的預(yù)測(cè)變量結(jié)果多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型用SPSSMIXEDMODEL分析追蹤研究的數(shù)據(jù)GETFILE='C:\HLM_EXAMPLE\OPPOSITES_PP.SAV'.mixedoppwithtimeccog/print=solution/method=reml/fixed=intercepttimeccogtime*ccog/repeatedwave|subject(id)covtype(un).多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型組內(nèi)變量：X對(duì)Y的影響一般多水平模型下，x是組內(nèi)變量追蹤模型下，x是時(shí)間變量或隨時(shí)間變化的變量組間變量：W對(duì)Y的影響XM（協(xié)變量）對(duì)Y的影響一般多水平模型下，w是組間變量追蹤模型下，w是個(gè)體變量或不隨時(shí)間變化的變量多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型輸入程序TITLE:thisisanexampleofatwo-levelregressionanalysisfora continuousdependentvariablewitharandominterceptandan observedcovariateDATA:FILE=ex9.1a.dat;VARIABLE:NAMES=yxwxmclus;WITHIN=x;BETWEEN=wxm;CLUSTER=clus;CENTERING=GRANDMEAN(x);ANALYSIS:TYPE=TWOLEVEL;MODEL:%WITHIN%yONx;%BETWEEN%yONwxm;多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型輸出結(jié)果SUMMARYOFANALYSISNumberofgroups1Numberofobservations1000Numberofdependentvariables1Numberofindependentvariables3Numberofcontinuouslatentvariables0ObserveddependentvariablesContinuousYObservedindependentvariablesXWXMVariableswithspecialfunctionsClustervariableCLUSWithinvariablesXBetweenvariablesWXMCentering(GRANDMEAN)X多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型輸出結(jié)果SUMMARYOFDATANumberofclusters110Averageclustersize9.091EstimatedIntraclassCorrelationsfortheYVariablesIntraclassVariableCorrelationY0.570多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型輸出結(jié)果TESTSOFMODELFITChi-SquareTestofModelFitValue0.000*DegreesofFreedom0P-Value0.0000ScalingCorrectionFactor1.000forMLR*Thechi-squarevalueforMLM,MLMV,MLR,ULSMV,WLSMandWLSMVcannotbeusedforchi-squaredifferencetestingintheregularway.MLM,MLRandWLSMchi-squaredifferencetestingisdescribedontheMpluswebsite.MLMV,WLSMV,andULSMVdifferencetestingisdoneusingtheDIFFTESToption.多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型Chi-SquareTestofModelFitfortheBaselineModelValue491.881DegreesofFreedom3P-Value0.0000CFI/TLICFI1.000TLI1.000LoglikelihoodH0Value-1525.938H0ScalingCorrectionFactor0.940forMLRH1Value-1525.938H1ScalingCorrectionFactor0.940forMLR多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型InformationCriteriaNumberofFreeParameters6Akaike(AIC)3063.876Bayesian(BIC)3093.322Sample-SizeAdjustedBIC3074.266(n*=(n+2)/24)RMSEA(RootMeanSquareErrorOfApproximation)Estimate0.000SRMR(StandardizedRootMeanSquareResidual)ValueforWithin0.000ValueforBetween0.000多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型MODELRESULTSTwo-TailedEstimateS.E.Est./S.E.P-ValueWithinLevelYONX0.7240.03322.1180.000ResidualVariancesY1.0220.04125.1170.000BetweenLevelYONW0.5700.1085.3050.000XM0.9760.1606.1070.000InterceptsY1.9910.08024.8040.000ResidualVariancesY0.5710.0886.4860.000多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型STDYXStandardizationTwo-TailedEstimateS.E.Est./S.E.P-ValueWithinLevelYONX0.5770.02029.0590.000ResidualVariancesY0.6670.02329.1160.000BetweenLevelYONW0.4280.0755.7320.000XM0.4880.0766.4470.000InterceptsY1.3970.09414.7900.000ResidualVariancesY0.2810.0456.1990.000多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平隨機(jī)系數(shù)模型輸出結(jié)果TITLE:thisisanexampleofatwo-levelregressionanalysisforacontinuousdependentvariableDATA:ex9.1.dat;VARIABLE:NAMESAREyxwclus;WITHIN=x;BETWEEN=w;CLUSTER=clus;CENTERING=GRANDMEAN(x);ANALYSIS:TYPE=TWOLEVELRANDOM;MODEL:%WITHIN%s|yONx;%BETWEEN%ysONw;多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型輸出結(jié)果SUMMARYOFANALYSISNumberofgroups1Numberofobservations1000Numberofdependentvariables1Numberofindependentvariables2Numberofcontinuouslatentvariables1ObserveddependentvariablesContinuousYObservedindependentvariablesXWVariableswithspecialfunctionsClustervariableCLUSWithinvariablesXBetweenvariablesWCentering(GRANDMEAN)X多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型輸出結(jié)果TESTSOFMODELFITLoglikelihoodH0Value-1582.207H0ScalingCorrectionFactor0.912forMLRInformationCriteriaNumberofFreeParameters7Akaike(AIC)3178.413Bayesian(BIC)3212.768Sample-SizeAdjustedBIC3190.535(n*=(n+2)/24)多層線性模型在追蹤研究中的應(yīng)用-追蹤的多水平模型Mplus操作：兩水平模型輸出結(jié)果MODELRESULTS