多层线性模型在经济管理研究探讨.doc

多层线性模型在经济管理研究探讨 摘要目前国内对多层线性的应用研究多集中在教育、心理学领域本文分析了多层线性的核心思想及其在经济管理研究中应用的可行性总结HLM在我国的应用 关键词多层线性模型(HLM)经济管理研究回归分析 一、前言 社会科学的发展在很大程度上依赖于研究方法尤其是统计方法的进步结构方程模型和多层线性模型作为新一代多元统计分析技术已经迅速发展起来并在社会科学领域得到了广泛的应用多层线性模型的出现主要解决了两大类问题：第一类是数据嵌套问题在研究中有时会遇到带有层次结构的数据令研究人员很难界定分析单位例如在组织和管理研究中研究者欲调查工厂的特征对工人生产效率的影响在这种背景下工人和工厂是分属于两个层面的数据作为个体的工人隶属于工厂对这两层的数据都需进行测量这种情况下依然采用普通的回归分析方法就只能采用两种方法将高层变量分解到低层例如将工厂层指标变量分解到员工层面并在员工层进行分析这样会造成在关注个体效应时往往忽视组效应或环境效应使得在个体层上得到的变量间的相关系数错误类错误被放大这是由于违反了独立观察的基本假设得到的标准误较小导致T检验失效另一种方法是集中数据仅在高层进行研究例如将工人层数据聚合在一起在工厂层进行分析这样做就会丢失大量重要的个体层面上的数据信息 另一类是为纵向研究或重复测量研究引入了新的方法例如在对不同地区城市近几年房产价格的追踪研究中研究者可以在近几年间对待考察地区进行多次统计不同年份的统计数据形成了数据结构的第一层而城市之间的个体差异就形成了第二层 随后可以在第二层中探索不同城市房产价格增长方面的差异 如为何某些城市房价的增长比其他城市快是些因素起了主导作用?还可以进一步判断发展趋势或结果上的差异是否由个体变量造成目前国内对多层线性的应用研究多集中在教育、心理学领域在经济管理领域的应用研究国内还甚少 二、多层线性模型的核心思想 多层线性模型主要用来处理具有层次结构特点的数据它能够考虑不同层次的随机误差和变量信息提供正确的标准误差估计;得到更有效的区间估计与更精确的假设检验以及回归方程中截距和斜率之间的相关关系;可以分析重复测量的数据探讨以往关于同一问题的不同研究结论是否具有一致性 我们在运用传统的线性回归模型分析和解决问题时必须保证所需的数据符合四个基本假设：变量间存在直线关系变量总体上服从正态分布方差齐性个体间随机误差相互独立只有在这些条件下传统的回归系数的估计才是有效估计检验才是精确检验但当数据带有层次特征时不再满足基本假设的后两条即方差齐性个体间随机误差相互独立例如不同工厂的工人可以假设相互独立但是同一工厂的工人由于受相同工厂变量的影响很难保证相互独立此时随机误差有两部分构成一部分是工人个体间差异另一部分是工厂之间的差异由此可见传统的回归分析方法不再适用为了满足四条基本假设必须将带有层次特征的数据分开在每一层上分析讨论分层以后第一水平个体间的测量误差相互独立第二水平工厂带来的误差在不同工厂之间相互独立这也就是多层线性模型的核心思想通过在不同数据层次上分别设立模型高层变量通过对低层方程的截距和变量施加影响从而达到相互联系的目的从这个意义上讲也有人将其称为“回归的回归”但它与普通的“回归的回归”在参数估计和验证方法上有很大的区别多层线性模型使用的参数估计方法主要有迭代广义最小二乘法(IGLS)、限制性的广义最小二乘估计(RIGLS)和马尔科夫链蒙特卡罗法除此之外还有期望最小二乘法(EGLS)广义估计方程法(GEE)经验贝叶斯估计等(MCMC)这些方法在正态性假设成立样本容量较大时得到参数的一致有效的估计而大多数线性分析依靠的是普通最小二乘估计 三、多层线性模型在国内外经济管理研究中的应用 Cohen运用多层线性模型(HLM)在美国劳动力市场进行劳动报酬研究Cohen在对“种族阶级和劳动力市场”的研究中关注到了美国大都市的白人工人阶级和种族构成的问题他的研究否认了那种认为种族歧视在当代的美国越来越淡化的主流理论并指出了在黑人聚集区不论是黑种男性还是女性工人的劳动报酬都比白人明显要少并且对于收入不平等来说种族影响要远远大于阶级影响此外Cohen与Huffman关于美国劳动力市场的两个研究报告分别针对妇女劳动报酬的贬值和劳动报酬体现出的种族歧视利用HLM方法进行了非常认真和客观的分析国内对于HLM的研究和应用还刚刚起步从收集的现有资料看实证研究多集中在教育、心理学领域这与教育、心理学研究领域内的数据有显着的层次特性有相关国内应用HLM在经济管理领域内进行实证分析的研究成果较少笔者只查阅到一篇论文高等学校工资增长趋势研究文中利用HLM的两层发展模型分析了1997年年某高校教职工工资增长的个体差异及影响教职工工资多少和增长速度的因素 四、HLM应用的总结 (1)多层次线性模型虽然整体上是一种新的方法但同时也是原有统计方法的迭加所包含的常规统计方法的原理并没有被推翻模型的二层或者更高层依然要做回归HLM是多层回归采用迭代的方式应用条件更苛刻所需数据量很大分层线性模型的作者Bryk和Raudenbush发现“160个学校且每个学校约60个学生?数据仅可以支持3个随机系数再加上1个随机截距的估计”当每个学校的学生数增加时自变量也还可以增加如果利用HLM进行纵向追踪研究至少需要三次以上的数据数据过少无法做出不同观测对象的发展曲线而这恰恰是核心部分 观测的次数越多多层线性分析的结果就越可靠国内研究数据的获取较为困难大部分学者的研究主要依赖统计年鉴上获得的数据可得到的数据种类很少同时数据的准确性和及时性较低 因此目前国内利用HLM进行实证研究的较少 (2)HLM软件没有中文版对软件的使用说明国内甚少因此对于软件的使用国内学者一直处于摸索阶段比如说老版本的HLM(11.0)生成的.sav数据格式而只能降低SPSS版本或者升级HLM版本到6.0以上这些使用中遇到的问题只能慢慢摸索这也对国内学者研究多层线性的应用研究产生了阻碍 参考文献： 1蔡永红姜勤德:统计在社会科学领域应用的新进展及反思J.统计研究(2) 2PhilipN.CohenandMattL.Huffman.Individuals,Jobs,andLaborMarkets:TheDevaluationofWomensWork(ResearchReport). 3李小松等译:多水平分析模型M.四川科学技术出版社2000 4张雷等:多层线性模型应用M.教育科学出版社 5盖笑松张向葵:多层线性模型在纵向研究中的运用J.心理科学28(2) 6刘红云孟庆茂:教师背景变量对教师教学效果影响的多层线性分析J.心理发展与教育.(4) 7葛建军:社会科学研究中得分层数据问