登入會員
品牌介紹
關於我們
企業徵才
客服中心
會員專區
與我連絡
申訴信箱
FAQ
電子報
書目下載
圖書總覽
服務推薦
教學網
考用網站
首頁
書目下載
會員專區
與我連絡
飛躍六十 迎向百年
法律/政治
法律
政治、公共事務
財經/商管/觀光
財經、商管、統計
觀光、餐旅、休閒
文/史/哲/期刊
辭書、總類
語言、文學
歷史、哲學、宗教
藝術、設計、文創
學術期刊
理工/醫護
理工
醫護暨生命科學
農林漁牧
教育/心理/傳播
教育
心理、諮商與輔導
社會、傳播(影視)
小五南/中等教育
小五南
電機與電子群
餐旅群
家政群
商業與管理群
英文
藝術群
農業群
食品群
【年度盤點延後出貨公告】 「適逢本公司年度盤點,五南官網均可正常下單購買,惟11/26(二)中午後的網站訂單,預估將延至12/3(二)下午後出貨,造成不便敬請見諒。」
分享
研究方法、論文寫作
-
研究方法
財經、商管、統計
-
統計
-
統計軟體應用
多層次模型(HLM)及重複測量:使用SPSS分析(附光碟)
作 者:
張紹勳
、
林秀娟
出版社別:
五南
書 系:
研究&方法
出版日期:2018/09/12(1版1刷)
ISBN:978-957-11-9889-7
書 號:1H1J
頁 數:400
開 數:16K
定 價:490元
優惠價格:387元
滿額優惠折扣
11/11-1/10 五南全書系書展!全站滿599再95折
投影片(請電洽,僅供老師索取)
投影片(請電洽,僅供老師索取)
投影片(請電洽,僅供老師索取)
投影片(請電洽,僅供老師索取)
投影片(請電洽,僅供老師索取)
在自然與社會科學領域中,許多資料與研究設計都具有「階層」的性質。隨著研究方法的複雜化,應用多層次模型來分析資料的機會也逐漸增加,以彌補傳統單層次分析的不足。而SPSS的運用在各領域已深受肯定,因此在學位論文的撰寫、統計研究方面,了解多層次分析及SPSS的運用成為不可或缺的能力! 本書介紹的多層次分析內容,包含多層次分析法、獨立樣本、重複測量、Moderated 迴歸方程式、多層次模型之方程式解說、多層次模型SPSS實作、中介模型、調節及干擾變數與階層性迴歸。透過統計軟體SPSS操作,結合理論、方法與統計從基礎統計知識引導,學習效果更顯著!
張紹勳 學歷:國立政治大學資訊管理博士 現任:國立彰化師大專任教授 經歷:致理技術專任副教授 林秀娟 學歷:國立臺灣師範大學教育心理研究所碩士 現職:臺北市立成功高中專任教師
Chapter01 多層次分析法:HLM
1-1多層次模型( 階層線性模型HLM) 的興起
1-1-1多層次模型的興起
1-1-2單層次:多元迴歸分析(OLS) 之重點整理
1-2什麼是多層次分析法?
1-2-1階層線性模型(HLM) 之由來
1-2-2多層次模型之重要性
1-2-3傳統單層次OLS 分析巢狀(nested) 資料,會出什麼問題?
1-2-4脈絡變數(contextual variables)vs. 總體變數
1-3 多層次分析之模型界定
1-3-1多層次模型之示意圖
1-3-2多層次模型之假定(assumption)
1-3-3隨機截距vs 隨機斜率之4 種關係
1-3-4a隨機係數模型之3 種設定(random coefficient modeling)
1-3-4b雙因子隨機係數之3 種設定解說
1-3-5多層次資料結構:平減(centering) 即離差分數(deviated scores)
1-4模型設定/建構的步驟
1-4-1模型設定的步驟
1-4-2如何提升多層次分析法的嚴謹性
1-5變數中心化(centering)、交互作用項(Z×A) 具多元共線性疑慮
1-5-1為何總平減(grand-mean centering) 可克服多元共線性之問題
1-5-2交互作用項(Z*A) 會導至多元共線性之嚴重問題:心臟科
1-5-3變數中心化(centering variables)/ 平減
1-5-4中心化(centering)/平減的時機
1-5-5中心化(centering) 的類別
1-6線性混合模型:多層次分析入門(mixed, xtmixed 指令)
1-6-1線性混合模型(linear mixed model) 之方程式
Chapter 02 獨立樣本ANOVA、重複測量(MIXED指令)、Moderated 迴歸方程式
2-1變異數分析(ANOVA) 之簡介
2-1-1 ANOVA【基本概念】
2-1-2 ANOVA【重點整理】
2-2 one way ANOVA 分析
2-2-1 one way ANOVA:四種教學法的教學效果比較(oneway 指令)
2-2-2單因子ANOVA:A 因子( 四組) 在連續變數Y 的平均數比較
(oneway、oneway /contrast、oneway /posthoc、unianova /print =etasq.、oneway /polynomial 指令)
2-3 two way ANOVA 分析:Moderated 迴歸方程式
2-3-1 two way ANOVA:教室氣氛(a) 和教學方法(b) 對學習成就(y):交互作用項(MANOVA 指令)
2-4 單層次:重複測量的混合效果模型(mixed effect model for repeated measure) 2-4-1重複量測(repeated measurement)ANOVA 的重點整理
2-4-2重複測量ANOVA 之主要效果/ 交互效果檢定(雙層MIXED vs.單層GLM 指令)
2-5 雙層次(MIXED 指令):重複測量的混合效果模型
2-5-1雙層次vs.二因子混合設計ANOVA:wide 格式(雙層MIXEDvs.單層GLM 指令)
2-5-2雙層次vs.二因子混合設計ANOVA:long 格式(MIXED 指令)
Chapter03 多層次模型之方程式解說:有(Z×X)交互作用項就須中心化
3-1多層次模型之方程式解說:影響住宅房價之個體層及群組層
3-1-1 Step 1 設定(模型1):零模型(null model)
3-1-2 Step 2 設定(模型2):平均數為結果的迴歸模型(means-as-outcomes regression)
3-1-3 Step 3 設定(模型3):Level-1 具固定效果之隨機截距模型
3-1-4 Step 4 設定(模型4):隨機係數(random coefficients) 迴歸模型
3-1-5 Step 5 設定(模型5):截距與斜率為結果的迴歸(交互作用)
Chapter04 多層次模型(multi-level modeling):SPSS實作(MIXED 指令)
4-1六步驟來挑選最佳多層次模型(即HLM):用IC準則來判斷
4-1-0樣本資料檔
4-1-1 Step 1: 零模型(intercept-only-model, unconditional model)
4-1-2 Step 2: Level-1 單因子之隨機截距模型( 無隨機斜率u1j)
4-1-3 Step 3: Level-1 單因子之隨機截距且隨機斜率模型(slopes and intercepts as outcomes)
4-1-4 Step 4: Level-1 雙因子之隨機斜率模型
4-1-5 Step 5: Level-2 單因子及Level-1 雙因子之隨機模型(無交互作用)
4-1-6 Step 6: Level-2 單因子及Level-1 雙因子之隨機模型(有交互作用)
4-2多層次模型之SPSS 練習題( 新版MIXED 指令,舊版xtmixed 指令)
Chapter05 中介模型、調節/干擾變數
5-1理論與模型二者是一體兩面的關係
5-2理論建構的二個途徑
5-3因果關係的第三者:調節/干擾變數(moderator)、中介變數
5-3-1組織研究的中介檢定之緣起
5-3-2中介變數( 直接效果、間接效果) ≠調節變數(交互作用效果)
5-3-3a中介變數
5-3-3b中介變數存在與否的4種檢定法
5-4中介模型Sobel 檢定法(巨集指令):影響憂鬱症的直接及間接因素
5-5調節變數(moderator),又稱干擾變數
5-5-1調節式中介效果(moderated mediation )
5-5-2多層次中介效果:STaTa 實作(ml_mediation、xtmixed 指令)
Chapter06 層次迴歸/階層性迴歸(hierarchicalregression)
6-1層次迴歸(hierarchical regression) 重點性
6-2層次迴歸的概念
6-3層次迴歸分析:寵物越多可增加幸福感嗎(regression 指令)
參考文獻
1-1-1 多層次模型( 階層線性模型,HLM) 的興起 多層次模型(multilevel model),又稱階層線性模型(hierarchical linear model,HLM)。HLM 在生物統計領域習慣稱作線性混合模型(linear mixed model,LMM),在應用統計領域則常稱為多層次模型或多層次迴歸(multilevel model/multilevel regression),但不管如何稱呼它,其背後的原理大致是差不多的。 多層次模型常存在的疑問有二類:(1) 資料為「階層性」的性質。(2) 資料「重複測量」的研究設計。在生物醫學、教育等社會及自然科學領域中,抽樣(sampling) 設計常常存在「階層性」,例如:分層隨機抽樣法,它就使用階層抽樣(hierarchical sampling)/集群抽樣(cluster sampling)。分層隨機抽樣法可能以學校為抽樣的單位,檢視城鄉差距對學生學業成就的影響,此時學生是巢狀或嵌套(nested) 在學校之下;或是組織的行為研究也常常以不同公司的員工填答問卷資料,此時員工也是巢狀在公司之下。而這以傳統的統計方法( 例如:複迴歸或ANOVA) 處理這種階層性資料會存在一些問題,傳統的迴歸最重要的一個假定(assumption) 就是誤差ε 具有「獨立性」,亦即每個受訪者的依變數(結果變數/依變數) 是互相獨立的,但是同一間學校的學生的特質理論上應該會比較相似,而來自同一公司的一群員工也應該具有比較相似的特質,此時若使用傳統迴歸(SPSS 指令包括reg、heckpoisson、hetregress、intreg、ivpoisson、ivtobit、npregress、qreg、sureg、tobit、tpoisson、truncreg、zip),由於未能考量「群組層次→個體層次」的調節( 干擾,moderator),導致線性迴歸式可能產生錯誤的推論效果,簡單來說即傳統的迴歸無法處理「互依性」的資料。此時使用HLM則可以考慮每一個總體層次單位( 跨國、學校、公司、鄰居) 之下的個體層次單位(學生、員工、住戶) 互為相依的事實。
0
1