•全方位解析多層次模型(HLM),彌補單層次迴歸的不足,讓您能抽絲剝繭地學習。
•本書提供多層次模型範例資料檔、統計程式操作方式,並強調統計軟體報表解釋,使讀者更加瞭解其中奧妙。
•深度理解功能龐大的STaTa系統,其便利性遠超過R、MLWin、Mplus、SPSS、SAS等軟體。
•本書適合用於社會科學、生物醫學、財經研究等實用工具書,並能廣泛應用到管理、教育、人管、醫藥健康等領域。
•隨書附贈資料檔光碟。
STaTa是地表最強統計軟體,適合學生、學者與實務人員!
科學是一門累積而成的學問,統計又是科學的實證基礎,當今科技電腦的統計計算能力日新月異,純粹概念性的理論過於靜態,解釋實際問題以及應用能力有限。多層次模型(HLM)進而興起,成為當代組織與管理領域的重要研究典範之一!STaTa這套功能龐大的統計軟體也因而產生,本書提供範例資料庫與統計程式操作方式,有助於瞭解多層次迴歸分析主要模型的操作程序,內文結合「理論、方法、統計」,讓您能更有深度的理解什麼是多層次模型以及STaTa。
目錄
STaTa是地表最強統計,適合各產官學研 1
1-1 統計分析2
1-1-1 認識統計2
1-1-2 統計與「實驗法、觀察法」之對應關係8
1-2 STaTa世上最強大的統計功能10
1-2-1 單層次:連續vs.類別依變數迴歸之種類13
1-2-2 STaTa 多層次混合模型的迴歸種類21
1-2-3 STaTa panel-data迴歸的種類29
1-2-4 STaTa流行病(epidemiologists)之選擇表對應的指令34
1-2-5 STaTa存活分析的選擇表之對應指令35
1-2-6 STaTa縱貫面—時間序列之選擇表37
1-2-7 STaTa有限混合模型(FMM):EM algorithm選擇表38
1-3 STaTa安裝設定42
1-4 資料輸入的方法:問卷、Excel45
1-5 SPSS資料檔(*.sav)轉成STaTa格式56
1-6 SAS格式轉成STaTa59
1-7 R格式轉成STaTa64
1-8 外掛的命令檔ado:STaTa外掛的Package64
1-9 認識「多層次模型」67
1-10 類聚(clustered)/巢狀資料分析,STaTa迴歸有16種估計法72
1-11 大數據(big data)與STaTa資料檔之間的格式可互通82
多層次分析法:HLM91
2-1 多層次模型(階層線性模型HLM)的興起92
2-1-1 多層次模型(階層線性模型HLM)的興起92
2-1-2 單層次:多元迴歸分析(OLS)之重點整理98
2-2 什麼是多層次分析法?105
2-2-1 階層線性模型(HLM)之由來106
2-2-2 多層次模型之重要性110
2-2-3 傳統單層次OLS分析巢狀(nested)資料,會出什麼問題?113
2-2-4 脈絡變數(contextual variables) vs. 總體變數122
2-3 多層次分析之模型界定125
2-3-1 多層次模型之示意圖126
2-3-2 多層次模型之假定(assumption)131
2-3-3 隨機截距vs.隨機斜率之四種關係133
2-3-4a 隨機係數模型之三種設定(random coefficient modeling)139
2-3-4b 雙因子隨機係數之三種設定解說144
2-3-5 多層次資料結構:平減(centering)即離差分數(deviated scores)160
2-4 模型設定/建構的步驟162
2-4-1 模型設定的步驟163
2-4-2 如何提升多層次分析法的嚴謹性167
2-5 變數中心化(centering)、交互作用項(Z×A)具多元共線性疑慮169
2-5-1 為何總平減(grand-mean centering)可克服多元共線性之問題169
2-5-2 交互作用項(Z*A)會導至多元共線性之嚴重問題:心臟科173
2-5-3 變數中心化(centering variables)/平減176
2-5-4 中心化(centering)/平減的時機181
2-5-5 中心化(centering)的類別181
2-6 線性混合模型:多層次分析入門(mixed, xtmixed指令)184
2-6-1 線性混合模型(linear mixed model)之方程式186
2-6-2 範例1:典型之隨機係數模型(slopes and intercepts as outcomes)187
2-6-3 範例2:考量各小群組之誤差結構(slopes and intercepts as outcomes with variance-covariance structure of the random effects)195
2-7 如何將多層模型轉成混合模型(ml2mixed外掛指令)209
2-8 因果關係的第三者:調節/干擾變數(moderator)、中介變數213
2-8-1 組織研究的中介檢定之緣起213
2-8-2 中介變數(直接效果、間接效果)≠調節變數(交互作用效果)219
2-8-2a 中介變數(mediator variable)220
2-8-2b 中介變數(mediator variable)存在與否的四種檢定法222
2-8-3 調節變數(moderator variable),又稱干擾變數229
2-8-4 調節式中介效果(moderated mediation effect)235
2-8-5 多層次中介效果:STaTa實作(ml_mediation、xtmixed指令)244
2-8-5a 多層次中介效果:STaTa方法一(ml_mediation指令)244
2-8-5b 雙層次中介效果:STaTa方法二(xtmixed、mixed指令)251
2-8-6 Sobel-Goodman中介檢定法(先sgmediation再ml_mediation指令)261
單層vs.雙層次模型:無交互作用項就無須中心化269
3-1 多層次模型之重點補充272
3-1-1 分層隨機抽樣273
3-1-2 Panel-data迴歸模型之重點整理277
3-2 單層vs.雙層:重複測量的混合效果模型(mixed effect model for repeated measure)282
3-2-1 ANOVA及無母數統計之分析流程圖296
3-2-2 重複測量ANOVA之F檢定公式297
3-2-3 單層次:二因子混合設計ANOVA (anova、contrast、margin、marginsplot指令)300
3-2-4 重複測量ANOVA之主要效果/單純主要效果檢定(雙層xtmixed或mixed vs.單層anova指令)322
3-2-5 雙層次:二因子混合設計ANOVA (mixed或xtmixed指令)338
3-3 敵對模型們那一個較優呢?用IC資訊準則(mixed, xtmixed指令)338
3-3-1 偵測兩個敵對模型,適配指標有7種389
3-3-2 排列組合一:3種敵對模型(mixed, xtmixed指令)393
3-3-3 排列組合二:10種敵對模型(mixed, xtmixed指令)401
3-3-4 排列組合三:明星學校真的比較好嗎:4種敵對模型421
3-3-5 排列組合四:無vs.有交互作用項,那個模型好呢?(mixed, xtmixed指令)426
多層次模型之方程式解說:有(Z×X)交互作用項就須中心化431
4-1 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
433
4-1-1 Step 1設定(模型1):零模型(null model)440
4-1-2 Step 2設定(模型2):平均數為結果的迴歸模型(means-as-outcomes regression)445
4-1-3 Step 3設定(模型3):Level-1具固定效果之隨機截距模型447
4-1-4 Step 4設定(模型4):隨機係數(random coefficients)迴歸模型454
4-1-5 Step 5設定(模型5):截距與斜率為結果的迴歸(交互作用)458
多層次模型之STaTa實作及解說(新版mixed, 舊版xtmixed指令)467
5-1 六步驟來挑選最佳多層次模型(即HLM)?用IC準則來判斷468
5-1-0 樣本資料檔470
5-1-1 Step 1:零模型(intercept-only-model, unconditional model)472
5-1-2 Step 2:Level-1單因子之隨機截距模型(無隨機斜率u1j)481
5-1-3 Step 3:Level-1單因子之隨機截距且隨機斜率模型(slopes and intercepts as outcomes)495
5-1-4 Step 4:Level-1雙因子之隨機斜率模型(slopes and intercepts as outcomes)502
5-1-5 Step 5:Level-2單因子及Level-1 雙因子之隨機模型( 無交互作用 )510
5-1-6 Step 6:Level-2單因子及Level-1 雙因子之隨機模型(有交互作用 )518
5-2 多層次模型之STaTa練習題(新版mixed指令,舊版xtmixed指令)527
單層次vs.多層次:離散型依變數之Poisson迴歸533
6-1 單層次Count依變數:Zero-inflated Poisson迴歸 vs. negative binomial迴歸534
6-1-1 Poisson分配535
6-1-2 負二項分配(negative binomial distribution)541
6-1-3 零膨漲(Zero-inflated) Poisson分配544
6-2 單層次:Zero-inflated Poisson迴歸vs.負二項迴歸(zip、zinb指令)546
6-3 三層次:Poisson迴歸(mepoisson 或xtmepoisson指令)568
6-3-1 多層次Poisson模型569
6-3-2 三層次:Poisson迴歸(mepoisson或xtmepoisson指令)569
6-4 練習題:雙層隨機截距模型之Poisson迴歸(mepoisson指令)578
單層次vs.雙層次:二元依變數之Logistic迴歸587
7-1 Logistic迴歸之原理588
7-1-1 勝算比(OR)588
7-1-1a 勝算比(odds ratio)之意義591
7-1-1b odds ratio之STaTa實作596
7-2 單層次:Logistic迴歸(logit指令)603
7-2-1 Logit模型之解說603
7-2-2 單層次:二元依變數之模型:Logistic迴歸之實例621
7-3 範例:三層次:Logistic迴歸(melogit或xtmelogit指令)643
7-4 練習題:雙層次Logistic迴歸(melogit指令)653
範例:雙層次vs.三層次:線性多層次模型665
8-1 雙層次混合(multilevel mixed)模型666
8-1-1 雙層次:mixed或multilevel或hierarchical model (xtmixed指令)666
8-1-2 雙層次:多層次成長模型(xtmixed指令)673
8-1-3 雙層次:多層隨機截距/隨機斜率模型(xtmixed指令)677
8-1-4 雙層次:異質性誤差之隨機截距或混合效果模型(xtmixed指令)687
8-1-5 雙層次:雙層次混合Logistic迴歸(xtmelogit指令)697
8-1-6 雙層次:潛在成長曲線(xtmixed+ nlcom指令)704
8-2 三層次混合(multilevel mixed)模型713
8-2-1 三層次脈絡模型:線性混合迴歸(xtmixed指令)713
8-2-2 三層次:隨機截距/隨機斜率模型(xtmixed指令)722
單層vs.雙層:Cox存活分析:臨床最重要統計法729
9-1 存活分析(survival analysis)介紹730
9-1-1 存活分析之定義731
9-1-2 為何存活分析是臨床研究最重要的統計法?740
9-1-3 存活分析之三種研究目標745
9-1-4 存活分析之研究議題746
9-1-5 設限資料(censored data)752
9-1-6 存活時間T之機率函數758
9-1-7 Cox存活分析vs. Logit模型/probit模型的差異760
9-2 STaTa存活分析/繪圖表之對應指令、新增統計功能767
9-3 存活分析範例:除草有助幼苗存活率嗎?771
9-3-1 生命表(life table)771
9-3-2 存活分析範例[依序(estat phtest、sts graph、ltable或sts list、stci、stmh、stcox指令)]775
9-4 Cox比例危險模型(proportional hazards model)(stcox指令)804
9-4-1 f(t)機率密度函數、S(t)存活函數、h(t)危險函數、H(t)累積危險函數805
9-4-2 Cox比例危險模型之迴歸式解說814
9-4-3 危險函數的估計(hazard function)816
9-4-4 Cox比例危險模型之適配度檢定822
9-5 單層次:具脆弱性Cox模型(Cox regression with shared frailty)824
9-5-1 脆弱性之Cox模型:「stcox, shared(脆弱變數)」指令825
9-6 帶偏態之依變數:參數存活分析(streg指令)831
9-6-1 脆弱性(frailty)模型835
9-6-2 加速失敗時間(accelerated failure time)模型842
9-7 雙層次:panel-data參數存活模型[xtstreg, shared(panel變數)指令]851
9-7-1 追蹤資料(panel-data)852
9-7-2 追蹤資料(panel-data)存活分析[xtstreg, shared(panel變數)指令]859
9-8 多層次:參數存活模型(mestreg、「sttocc clogit」指令)870
9-8-1 multilevel存活模型870
9-8-2 多層次參數存活模型(mestreg… ||分層變數)872
9-9 巢狀型病例—對照研究法(nested case-control) (先sttocc再clogit指令)886
9-10 練習題:三層次之對數常態存活模型(mestreg指令)895
非線性:多層次混合效果模型(menl指令)901
10-1 非線性縱貫面資料:隨機截距之多層次模型—獨角獸912
10-2 非線性範例:誤差無共變結構之雙層模型—橘子樹923
10-3 非線性多層次模型:群組內之誤差相關結構—ovary934
10-4 非線性:三層次模型—血糖(blood glucose)942
10-5 殘差有共變數結構:藥代動力學建模—Pharmacokinetic(PK) model951
誤差變異2具異質性(xtgls指令為主流)961
11-1 殘差之變異數963
11-1-1 誤差變異 的觀念963
11-1-2 誤差變異 的偵測法967
11-2 單層次:偵測誤差之異質性(heteroskedasticity)975
11-2-1 橫斷面OLS迴歸:殘差異質性診斷(hettest指令)978
11-2-2 殘差異質的改善:OLS改成robust迴歸987
11-2-3 橫斷面之誤差異質性:需ln()變數變換(先reg再whitetst指令)989
11-2-4 縱貫面之誤差異質性(先reg再bpagan指令)991
11-3 多層次:具異質性誤差之隨機截距/混合模型(xtmixed、mixed指令)995
11-3-1 範例1:求各組之誤差異質(heteroskedastic errors by group)995
11-3-2 範例2:縱貫面之成長曲線模型(重複測量5次)1003
11-3-3 範例3:誤差變異數2error具異質性1010
參考文獻 1013
1-1 統計分析2
1-1-1 認識統計2
1-1-2 統計與「實驗法、觀察法」之對應關係8
1-2 STaTa世上最強大的統計功能10
1-2-1 單層次:連續vs.類別依變數迴歸之種類13
1-2-2 STaTa 多層次混合模型的迴歸種類21
1-2-3 STaTa panel-data迴歸的種類29
1-2-4 STaTa流行病(epidemiologists)之選擇表對應的指令34
1-2-5 STaTa存活分析的選擇表之對應指令35
1-2-6 STaTa縱貫面—時間序列之選擇表37
1-2-7 STaTa有限混合模型(FMM):EM algorithm選擇表38
1-3 STaTa安裝設定42
1-4 資料輸入的方法:問卷、Excel45
1-5 SPSS資料檔(*.sav)轉成STaTa格式56
1-6 SAS格式轉成STaTa59
1-7 R格式轉成STaTa64
1-8 外掛的命令檔ado:STaTa外掛的Package64
1-9 認識「多層次模型」67
1-10 類聚(clustered)/巢狀資料分析,STaTa迴歸有16種估計法72
1-11 大數據(big data)與STaTa資料檔之間的格式可互通82
多層次分析法:HLM91
2-1 多層次模型(階層線性模型HLM)的興起92
2-1-1 多層次模型(階層線性模型HLM)的興起92
2-1-2 單層次:多元迴歸分析(OLS)之重點整理98
2-2 什麼是多層次分析法?105
2-2-1 階層線性模型(HLM)之由來106
2-2-2 多層次模型之重要性110
2-2-3 傳統單層次OLS分析巢狀(nested)資料,會出什麼問題?113
2-2-4 脈絡變數(contextual variables) vs. 總體變數122
2-3 多層次分析之模型界定125
2-3-1 多層次模型之示意圖126
2-3-2 多層次模型之假定(assumption)131
2-3-3 隨機截距vs.隨機斜率之四種關係133
2-3-4a 隨機係數模型之三種設定(random coefficient modeling)139
2-3-4b 雙因子隨機係數之三種設定解說144
2-3-5 多層次資料結構:平減(centering)即離差分數(deviated scores)160
2-4 模型設定/建構的步驟162
2-4-1 模型設定的步驟163
2-4-2 如何提升多層次分析法的嚴謹性167
2-5 變數中心化(centering)、交互作用項(Z×A)具多元共線性疑慮169
2-5-1 為何總平減(grand-mean centering)可克服多元共線性之問題169
2-5-2 交互作用項(Z*A)會導至多元共線性之嚴重問題:心臟科173
2-5-3 變數中心化(centering variables)/平減176
2-5-4 中心化(centering)/平減的時機181
2-5-5 中心化(centering)的類別181
2-6 線性混合模型:多層次分析入門(mixed, xtmixed指令)184
2-6-1 線性混合模型(linear mixed model)之方程式186
2-6-2 範例1:典型之隨機係數模型(slopes and intercepts as outcomes)187
2-6-3 範例2:考量各小群組之誤差結構(slopes and intercepts as outcomes with variance-covariance structure of the random effects)195
2-7 如何將多層模型轉成混合模型(ml2mixed外掛指令)209
2-8 因果關係的第三者:調節/干擾變數(moderator)、中介變數213
2-8-1 組織研究的中介檢定之緣起213
2-8-2 中介變數(直接效果、間接效果)≠調節變數(交互作用效果)219
2-8-2a 中介變數(mediator variable)220
2-8-2b 中介變數(mediator variable)存在與否的四種檢定法222
2-8-3 調節變數(moderator variable),又稱干擾變數229
2-8-4 調節式中介效果(moderated mediation effect)235
2-8-5 多層次中介效果:STaTa實作(ml_mediation、xtmixed指令)244
2-8-5a 多層次中介效果:STaTa方法一(ml_mediation指令)244
2-8-5b 雙層次中介效果:STaTa方法二(xtmixed、mixed指令)251
2-8-6 Sobel-Goodman中介檢定法(先sgmediation再ml_mediation指令)261
單層vs.雙層次模型:無交互作用項就無須中心化269
3-1 多層次模型之重點補充272
3-1-1 分層隨機抽樣273
3-1-2 Panel-data迴歸模型之重點整理277
3-2 單層vs.雙層:重複測量的混合效果模型(mixed effect model for repeated measure)282
3-2-1 ANOVA及無母數統計之分析流程圖296
3-2-2 重複測量ANOVA之F檢定公式297
3-2-3 單層次:二因子混合設計ANOVA (anova、contrast、margin、marginsplot指令)300
3-2-4 重複測量ANOVA之主要效果/單純主要效果檢定(雙層xtmixed或mixed vs.單層anova指令)322
3-2-5 雙層次:二因子混合設計ANOVA (mixed或xtmixed指令)338
3-3 敵對模型們那一個較優呢?用IC資訊準則(mixed, xtmixed指令)338
3-3-1 偵測兩個敵對模型,適配指標有7種389
3-3-2 排列組合一:3種敵對模型(mixed, xtmixed指令)393
3-3-3 排列組合二:10種敵對模型(mixed, xtmixed指令)401
3-3-4 排列組合三:明星學校真的比較好嗎:4種敵對模型421
3-3-5 排列組合四:無vs.有交互作用項,那個模型好呢?(mixed, xtmixed指令)426
多層次模型之方程式解說:有(Z×X)交互作用項就須中心化431
4-1 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
433
4-1-1 Step 1設定(模型1):零模型(null model)440
4-1-2 Step 2設定(模型2):平均數為結果的迴歸模型(means-as-outcomes regression)445
4-1-3 Step 3設定(模型3):Level-1具固定效果之隨機截距模型447
4-1-4 Step 4設定(模型4):隨機係數(random coefficients)迴歸模型454
4-1-5 Step 5設定(模型5):截距與斜率為結果的迴歸(交互作用)458
多層次模型之STaTa實作及解說(新版mixed, 舊版xtmixed指令)467
5-1 六步驟來挑選最佳多層次模型(即HLM)?用IC準則來判斷468
5-1-0 樣本資料檔470
5-1-1 Step 1:零模型(intercept-only-model, unconditional model)472
5-1-2 Step 2:Level-1單因子之隨機截距模型(無隨機斜率u1j)481
5-1-3 Step 3:Level-1單因子之隨機截距且隨機斜率模型(slopes and intercepts as outcomes)495
5-1-4 Step 4:Level-1雙因子之隨機斜率模型(slopes and intercepts as outcomes)502
5-1-5 Step 5:Level-2單因子及Level-1 雙因子之隨機模型( 無交互作用 )510
5-1-6 Step 6:Level-2單因子及Level-1 雙因子之隨機模型(有交互作用 )518
5-2 多層次模型之STaTa練習題(新版mixed指令,舊版xtmixed指令)527
單層次vs.多層次:離散型依變數之Poisson迴歸533
6-1 單層次Count依變數:Zero-inflated Poisson迴歸 vs. negative binomial迴歸534
6-1-1 Poisson分配535
6-1-2 負二項分配(negative binomial distribution)541
6-1-3 零膨漲(Zero-inflated) Poisson分配544
6-2 單層次:Zero-inflated Poisson迴歸vs.負二項迴歸(zip、zinb指令)546
6-3 三層次:Poisson迴歸(mepoisson 或xtmepoisson指令)568
6-3-1 多層次Poisson模型569
6-3-2 三層次:Poisson迴歸(mepoisson或xtmepoisson指令)569
6-4 練習題:雙層隨機截距模型之Poisson迴歸(mepoisson指令)578
單層次vs.雙層次:二元依變數之Logistic迴歸587
7-1 Logistic迴歸之原理588
7-1-1 勝算比(OR)588
7-1-1a 勝算比(odds ratio)之意義591
7-1-1b odds ratio之STaTa實作596
7-2 單層次:Logistic迴歸(logit指令)603
7-2-1 Logit模型之解說603
7-2-2 單層次:二元依變數之模型:Logistic迴歸之實例621
7-3 範例:三層次:Logistic迴歸(melogit或xtmelogit指令)643
7-4 練習題:雙層次Logistic迴歸(melogit指令)653
範例:雙層次vs.三層次:線性多層次模型665
8-1 雙層次混合(multilevel mixed)模型666
8-1-1 雙層次:mixed或multilevel或hierarchical model (xtmixed指令)666
8-1-2 雙層次:多層次成長模型(xtmixed指令)673
8-1-3 雙層次:多層隨機截距/隨機斜率模型(xtmixed指令)677
8-1-4 雙層次:異質性誤差之隨機截距或混合效果模型(xtmixed指令)687
8-1-5 雙層次:雙層次混合Logistic迴歸(xtmelogit指令)697
8-1-6 雙層次:潛在成長曲線(xtmixed+ nlcom指令)704
8-2 三層次混合(multilevel mixed)模型713
8-2-1 三層次脈絡模型:線性混合迴歸(xtmixed指令)713
8-2-2 三層次:隨機截距/隨機斜率模型(xtmixed指令)722
單層vs.雙層:Cox存活分析:臨床最重要統計法729
9-1 存活分析(survival analysis)介紹730
9-1-1 存活分析之定義731
9-1-2 為何存活分析是臨床研究最重要的統計法?740
9-1-3 存活分析之三種研究目標745
9-1-4 存活分析之研究議題746
9-1-5 設限資料(censored data)752
9-1-6 存活時間T之機率函數758
9-1-7 Cox存活分析vs. Logit模型/probit模型的差異760
9-2 STaTa存活分析/繪圖表之對應指令、新增統計功能767
9-3 存活分析範例:除草有助幼苗存活率嗎?771
9-3-1 生命表(life table)771
9-3-2 存活分析範例[依序(estat phtest、sts graph、ltable或sts list、stci、stmh、stcox指令)]775
9-4 Cox比例危險模型(proportional hazards model)(stcox指令)804
9-4-1 f(t)機率密度函數、S(t)存活函數、h(t)危險函數、H(t)累積危險函數805
9-4-2 Cox比例危險模型之迴歸式解說814
9-4-3 危險函數的估計(hazard function)816
9-4-4 Cox比例危險模型之適配度檢定822
9-5 單層次:具脆弱性Cox模型(Cox regression with shared frailty)824
9-5-1 脆弱性之Cox模型:「stcox, shared(脆弱變數)」指令825
9-6 帶偏態之依變數:參數存活分析(streg指令)831
9-6-1 脆弱性(frailty)模型835
9-6-2 加速失敗時間(accelerated failure time)模型842
9-7 雙層次:panel-data參數存活模型[xtstreg, shared(panel變數)指令]851
9-7-1 追蹤資料(panel-data)852
9-7-2 追蹤資料(panel-data)存活分析[xtstreg, shared(panel變數)指令]859
9-8 多層次:參數存活模型(mestreg、「sttocc clogit」指令)870
9-8-1 multilevel存活模型870
9-8-2 多層次參數存活模型(mestreg… ||分層變數)872
9-9 巢狀型病例—對照研究法(nested case-control) (先sttocc再clogit指令)886
9-10 練習題:三層次之對數常態存活模型(mestreg指令)895
非線性:多層次混合效果模型(menl指令)901
10-1 非線性縱貫面資料:隨機截距之多層次模型—獨角獸912
10-2 非線性範例:誤差無共變結構之雙層模型—橘子樹923
10-3 非線性多層次模型:群組內之誤差相關結構—ovary934
10-4 非線性:三層次模型—血糖(blood glucose)942
10-5 殘差有共變數結構:藥代動力學建模—Pharmacokinetic(PK) model951
誤差變異2具異質性(xtgls指令為主流)961
11-1 殘差之變異數963
11-1-1 誤差變異 的觀念963
11-1-2 誤差變異 的偵測法967
11-2 單層次:偵測誤差之異質性(heteroskedasticity)975
11-2-1 橫斷面OLS迴歸:殘差異質性診斷(hettest指令)978
11-2-2 殘差異質的改善:OLS改成robust迴歸987
11-2-3 橫斷面之誤差異質性:需ln()變數變換(先reg再whitetst指令)989
11-2-4 縱貫面之誤差異質性(先reg再bpagan指令)991
11-3 多層次:具異質性誤差之隨機截距/混合模型(xtmixed、mixed指令)995
11-3-1 範例1:求各組之誤差異質(heteroskedastic errors by group)995
11-3-2 範例2:縱貫面之成長曲線模型(重複測量5次)1003
11-3-3 範例3:誤差變異數2error具異質性1010
參考文獻 1013
序
序
純粹概念性的理論顯然在實際問題的解釋與應用上是有限的。而缺乏理論基礎的統計分析則無法提供一個「因果關係」的說明。同樣,其說服力也是有限的,或甚至可能是錯誤的。加上組織與管理研究的資料多涉及階層特性,因此多層次模型是當代組織與管理領域的重要研究典範之一。因而興起多層次模型(HLM)來彌補單層次迴歸的不足。迄今,多層次與層級線性模型廣泛應用到管理、教育、人管、醫藥健康等領域。
人並非孤立的個體,而是整個社會中的一員,例如,學生層次的資料巢套於高一層的分析單位(如班級或學校)之內,在同一個高階分析單位下的個體會因為相似的特質,抑或受到共享的環境脈絡所影響,造成個人層次資料間具有相依的性質,亦即存在著組內觀察資料不獨立的現象。由此可知,個體的行為或反應不僅會受到自身特性的影響,也會受到其所處的環境脈絡所影響。因此巢狀(nested)資料分析之多層次模型就此流行起來。
科學是一門累積的學習課程,統計又是科學之實証基礎,加上電腦統計計算能力日新月益。進而像STaTa這種龐大功能之統計軟體的誕生,STaTa功能及便利性都遠超越R、MLWin、Mplus、SPSS、SAS、AMOS及Eviews等軟體。STaTa優秀統計功能是地表最強的軟體。STaTa已可處理:(1)橫斷面研究設計、縱貫面研究設計、縱橫面(pandel-data)研究設計。(2)單一迴歸方程式、迴歸聯立方程式。(3)網站提供龐大線上求助、外掛指令(*.ado)來滿足各行各業的別需求。(4)單變量、多變量時間序列亦可處理。(4)多層次 vs.單層次迴歸之統計分析…等都有最新處理方法,光是多層次線性混合模型就有15種以上類型可供選擇。
STaTa同時提供眾多(內建vs.外掛)指令,幾乎坊間教科書你看得的統計分析,它都可解決。此外,STaTa為了減低電腦使用者對程式設計的憂慮,它亦提供Menu選擇表之對應視窗,讓像SPSS、SAS、HLM那樣能輕鬆操作Menu,來進行統計分析。況且,STaTa有能力處理像big-data這類巨大資料庫。
有鑑於STaTa分析功能龐大,故作者將撰寫一系列的STaTa的書,包括:
多層次模型 (共15種多層次模型之類型可選擇)
社會科學、生物醫學、財金等領域,其統計學係採用統計學、運籌學、經濟、數學等領域之定量方法。社會科學及自然科學二大領域中各個學科,它們有許多共通之研究設計及統計分析法,都與作者在五南出版STaTa一序列書名有關,包括:
一、「STaTa與高等統計分析的應用」一書,該書內容包括:
描述性統計、樣本數的評估、變異數分析、相關、迴歸建模及診斷、重覆測量…。
二、「STaTa在結構方程模型及試題反應理論」一書,該書內容包括:路徑分析、結構方程模型、測量工具的信效度分析、因素分析…。
三、「STaTa在生物醫學統計分析」一書,該書內容包括:
類別資料分析(無母數統計)、logistic迴歸、存活分析、流行病學、配對與非配對病例對照研究資料、盛行率、發生率、相對危險率比、勝出比(Odds Ratio)的計算、篩檢工具與ROC曲線、工具變數(2SLS)…Cox比例危險模型、Kaplan-Meier存活模型、脆弱性之Cox模型、參數存活分析有六種模型、加速失敗時間模型、panel-data存活模型、多層次存活模型…
四、「Meta統計分析實作:使用Excel與CMA程式」一書,該書內容包括:統合分析(meta-analysis)、勝出比(Odds Ratio)、風險比、4種有名效果量(ES)公式之單位變換等。
五、「Panel-data迴歸模型:STaTa在廣義時間序列的應用」一書,該書內容包括:多層次模型、GEE、工具變數(2SLS)、動態模型…。
六、「總體經濟與財務金融:STaTa時間序列分析」一書,該書內容包括:誤差異質性、動態模型、序列相關、時間序列分析、VAR、共整合…等。
七、「多層次模型(HLM)及重複測量:使用STaTa」一書,該書內容包括:線性多層次模型、vs.離散型多層次模型、計數型多層次模型、存活分析之多層次模型、非線性多層次模型…。
八、「模糊多準評估法及統計」一書,該書內容包括:AHP、ANP、TOPSIS、Fuzzy理論、Fuzzy AHP…等理論與實作。
九、「邏輯斯迴歸及離散選擇模型:應用STaTa統計」一書,該書內容包括:邏輯斯迴歸、vs. 多元邏輯斯迴歸、配對資料的條件Logistic迴歸分析、Multinomial Logistic Regression、特定方案Rank-ordered logistic迴歸、零膨脹ordered probit regression迴歸、配對資料的條件邏輯斯迴歸、特定方案conditional logit model、離散選擇模型、多層次邏輯斯迴歸…。
十、「有限混合模型(FMM):STaTa分析(以EM algorithm做潛在分類再迴歸分析)」一書,該書內容包括:FMM:線性迴歸、FMM:次序迴歸、FMM:Logit迴歸、FMM:多項Logit迴歸、FMM:零膨脹迴歸、FMM:參數型存活迴歸…等理論與實作。
十一、「多變量統計:應用STaTa分析」一書,書內容包括:MANOVA、因素分析、典型相關、區別分析、MDS…。
這本書的目標即在提供有興趣多層次分析的學生、學者與實務人員教學與研究的指導。在這本書亦提供範例的資料檔與統計程式操作方式。這些基礎理論與範例有助於我們瞭解多層次分析。要深入瞭解這本書必須要有基本的多元迴歸方程式的知識。這本書會提供STaTa的範例,針對多層次迴歸分析主要模型的操作程序,並強調這些統計軟體所產生的報表解釋,諸如結果變數為連續變數或者類別變數的兩層與三層模型、輔助性統計(如迴歸係數信賴區間、組內相關係數等)、檢視模型假設等。
此外,研究者如何選擇正確的統計方法,包括適當的估計與檢定方法、與統計概念等,都是實証研究中很重要的內涵,這也是本書撰寫的目的之一。為了讓研究者能正確且精準使用panel迴歸,本書內文儘量結合「理論、方法、統計」,期望能夠對產學界有拋磚引玉的效果。
最後,特感謝全傑科技公司(www.softhome.com.tw),提供STaTa軟體,晚學才有機會撰寫STaTa一系列的書,以嘉惠學習者。
張紹勳 敬上
純粹概念性的理論顯然在實際問題的解釋與應用上是有限的。而缺乏理論基礎的統計分析則無法提供一個「因果關係」的說明。同樣,其說服力也是有限的,或甚至可能是錯誤的。加上組織與管理研究的資料多涉及階層特性,因此多層次模型是當代組織與管理領域的重要研究典範之一。因而興起多層次模型(HLM)來彌補單層次迴歸的不足。迄今,多層次與層級線性模型廣泛應用到管理、教育、人管、醫藥健康等領域。
人並非孤立的個體,而是整個社會中的一員,例如,學生層次的資料巢套於高一層的分析單位(如班級或學校)之內,在同一個高階分析單位下的個體會因為相似的特質,抑或受到共享的環境脈絡所影響,造成個人層次資料間具有相依的性質,亦即存在著組內觀察資料不獨立的現象。由此可知,個體的行為或反應不僅會受到自身特性的影響,也會受到其所處的環境脈絡所影響。因此巢狀(nested)資料分析之多層次模型就此流行起來。
科學是一門累積的學習課程,統計又是科學之實証基礎,加上電腦統計計算能力日新月益。進而像STaTa這種龐大功能之統計軟體的誕生,STaTa功能及便利性都遠超越R、MLWin、Mplus、SPSS、SAS、AMOS及Eviews等軟體。STaTa優秀統計功能是地表最強的軟體。STaTa已可處理:(1)橫斷面研究設計、縱貫面研究設計、縱橫面(pandel-data)研究設計。(2)單一迴歸方程式、迴歸聯立方程式。(3)網站提供龐大線上求助、外掛指令(*.ado)來滿足各行各業的別需求。(4)單變量、多變量時間序列亦可處理。(4)多層次 vs.單層次迴歸之統計分析…等都有最新處理方法,光是多層次線性混合模型就有15種以上類型可供選擇。
STaTa同時提供眾多(內建vs.外掛)指令,幾乎坊間教科書你看得的統計分析,它都可解決。此外,STaTa為了減低電腦使用者對程式設計的憂慮,它亦提供Menu選擇表之對應視窗,讓像SPSS、SAS、HLM那樣能輕鬆操作Menu,來進行統計分析。況且,STaTa有能力處理像big-data這類巨大資料庫。
有鑑於STaTa分析功能龐大,故作者將撰寫一系列的STaTa的書,包括:
多層次模型 (共15種多層次模型之類型可選擇)
社會科學、生物醫學、財金等領域,其統計學係採用統計學、運籌學、經濟、數學等領域之定量方法。社會科學及自然科學二大領域中各個學科,它們有許多共通之研究設計及統計分析法,都與作者在五南出版STaTa一序列書名有關,包括:
一、「STaTa與高等統計分析的應用」一書,該書內容包括:
描述性統計、樣本數的評估、變異數分析、相關、迴歸建模及診斷、重覆測量…。
二、「STaTa在結構方程模型及試題反應理論」一書,該書內容包括:路徑分析、結構方程模型、測量工具的信效度分析、因素分析…。
三、「STaTa在生物醫學統計分析」一書,該書內容包括:
類別資料分析(無母數統計)、logistic迴歸、存活分析、流行病學、配對與非配對病例對照研究資料、盛行率、發生率、相對危險率比、勝出比(Odds Ratio)的計算、篩檢工具與ROC曲線、工具變數(2SLS)…Cox比例危險模型、Kaplan-Meier存活模型、脆弱性之Cox模型、參數存活分析有六種模型、加速失敗時間模型、panel-data存活模型、多層次存活模型…
四、「Meta統計分析實作:使用Excel與CMA程式」一書,該書內容包括:統合分析(meta-analysis)、勝出比(Odds Ratio)、風險比、4種有名效果量(ES)公式之單位變換等。
五、「Panel-data迴歸模型:STaTa在廣義時間序列的應用」一書,該書內容包括:多層次模型、GEE、工具變數(2SLS)、動態模型…。
六、「總體經濟與財務金融:STaTa時間序列分析」一書,該書內容包括:誤差異質性、動態模型、序列相關、時間序列分析、VAR、共整合…等。
七、「多層次模型(HLM)及重複測量:使用STaTa」一書,該書內容包括:線性多層次模型、vs.離散型多層次模型、計數型多層次模型、存活分析之多層次模型、非線性多層次模型…。
八、「模糊多準評估法及統計」一書,該書內容包括:AHP、ANP、TOPSIS、Fuzzy理論、Fuzzy AHP…等理論與實作。
九、「邏輯斯迴歸及離散選擇模型:應用STaTa統計」一書,該書內容包括:邏輯斯迴歸、vs. 多元邏輯斯迴歸、配對資料的條件Logistic迴歸分析、Multinomial Logistic Regression、特定方案Rank-ordered logistic迴歸、零膨脹ordered probit regression迴歸、配對資料的條件邏輯斯迴歸、特定方案conditional logit model、離散選擇模型、多層次邏輯斯迴歸…。
十、「有限混合模型(FMM):STaTa分析(以EM algorithm做潛在分類再迴歸分析)」一書,該書內容包括:FMM:線性迴歸、FMM:次序迴歸、FMM:Logit迴歸、FMM:多項Logit迴歸、FMM:零膨脹迴歸、FMM:參數型存活迴歸…等理論與實作。
十一、「多變量統計:應用STaTa分析」一書,書內容包括:MANOVA、因素分析、典型相關、區別分析、MDS…。
這本書的目標即在提供有興趣多層次分析的學生、學者與實務人員教學與研究的指導。在這本書亦提供範例的資料檔與統計程式操作方式。這些基礎理論與範例有助於我們瞭解多層次分析。要深入瞭解這本書必須要有基本的多元迴歸方程式的知識。這本書會提供STaTa的範例,針對多層次迴歸分析主要模型的操作程序,並強調這些統計軟體所產生的報表解釋,諸如結果變數為連續變數或者類別變數的兩層與三層模型、輔助性統計(如迴歸係數信賴區間、組內相關係數等)、檢視模型假設等。
此外,研究者如何選擇正確的統計方法,包括適當的估計與檢定方法、與統計概念等,都是實証研究中很重要的內涵,這也是本書撰寫的目的之一。為了讓研究者能正確且精準使用panel迴歸,本書內文儘量結合「理論、方法、統計」,期望能夠對產學界有拋磚引玉的效果。
最後,特感謝全傑科技公司(www.softhome.com.tw),提供STaTa軟體,晚學才有機會撰寫STaTa一系列的書,以嘉惠學習者。
張紹勳 敬上
內容連載
2-1多層次模型(階層線性模型HLM)的興起
多層次模型(multilevel models,MLM),又稱:階層線線模型(hierarchical linear models, HLM)、巢狀資模型(nested data models)、混合模型(mixed models), 隨機數(random coefficient)、隨機效果模型(random-effects models)、隨機參數模型(random parameter models)或split-plot designs。
定義:混合效果
混合效果=固定效果+隨機效果
固定效果(fixed effect)是所有組中效果都相同(which are the same in all groups)。
隨機效果(random effect)是各組之間的隨機呈現效果(都不同同)(which vary across groups)。
在混合模型(mixed models)中,每個levels都很明確存在隨機和系統(固定)效果。
2-1-1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 Modeling, 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(multilevel models,MLM),又稱:階層線線模型(hierarchical linear models, HLM)、巢狀資模型(nested data models)、混合模型(mixed models), 隨機數(random coefficient)、隨機效果模型(random-effects models)、隨機參數模型(random parameter models)或split-plot designs。
定義:混合效果
混合效果=固定效果+隨機效果
固定效果(fixed effect)是所有組中效果都相同(which are the same in all groups)。
隨機效果(random effect)是各組之間的隨機呈現效果(都不同同)(which vary across groups)。
在混合模型(mixed models)中,每個levels都很明確存在隨機和系統(固定)效果。
2-1-1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 Modeling, 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。
網路書店
類別
折扣
價格
-
新書9折$945
-
新書9折$945
-
新書9折$945
-
新書9折$945
-
新書93折$977
-
新書93折$977
-
新書95折$998
-
新書95折$998
-
新書$1056