最近要用到HLM模型,把简书上的一篇相关文章转载过来复习一下。原文写于2019.01.08,链接为:https://www.jianshu.com/p/8deb0fd0fba0。
《追踪数据分析方法及其应用》是一部介绍追踪数据的分析方法的书,方法包括一元方差分析、多元方差分析、多层线性模型、潜变量增长曲线模型等方面的内容。由于学习的需要我只看了多层线性模型的部分,看之甚浅,请看了这篇文章的人批评指正。
一、问题
有时候,我们会拿到多个人在同一个维度不同时期的数据。比如一个班级的小学生,在3年级到6年级时“自我概念”这个指标的变化情况,把这些数据画成一个图,是杂乱无章的。
我们想知道,有没有一种方法,能够看到这些小朋友的整体变化是怎样的,是什么因素影响了整体变化。
二、追踪研究中的多层线性模型
先提出一个假设,假设三年级到六年级的时间,个体自我概念随时间有线性发展的趋势。我们知道,用线性回归可以拟合出一个人、一个维度的变化趋势情况。那用同样的思想,进行两次拟合,是不是就可以把多个人“变成”一个人,然后再分析,就可以拟合得到这个维度的变化趋势呢?
针对追踪研究所关心的两个问题,建立对应的两水平统计模型。
(1)第一水平模型
描述个体某一特征随时间的发展趋势,第一水平模型可以定义为:
其中代表第i个学生的第j年级所测量的自我概念的观测值,模型假设学生自我概念随着年级有线性变化的趋势。与传统回归方程相比,这个公式中的截距参数
和斜率参数
是随个体变化的随机变量。
表示第一水平随机测量的误差。多层线性模型是
服从均值为0、方差为一个定值
的正态分布。
这个模型,把所有学生的特征变化用一个公式表达了出来,把变化量集成在、
和
中。
(2)第二水平模型
在第一水平模型中,已经假设截距参数和斜率参数
是随机变量,在第二模型模型中,我们需要分析这些发展参数是否存在个体之间的差异,假如存在差异,能不能在个体层面上,用个体的特征变量来解