做HLM一些注意点.ppt

2020 3 21 做HLM的一些注意点 贾良定 2020 3 21 2 HLM中选项 HLMothersetting选 ControllingestimationFullmaximumlikelihood 2020 3 21 3 注意 Restrictedmaximumlikelihood方法只评价random的方差好坏 所以会出错 对deviance产生影响SigR2是level1的R2 Level2的R2在variancecomponents中 Deviance是HLM变化的最好报告值 报告所有的variance相加之和 报告它的变化情况而不报告各自变化情况 为什么要看finalestimationoffixedeffects withrobuststandarderrors 主要是数据分布很难达到正态分布 Robustestimation放松了此假设 如果确信数据正态分布 看上面的表也可以 2020 3 21 4 注意 一般只报告shapiro wilk值做正态分布检验有人说sobeltest只适合singlelevel的检验 Montecarlomethod适合单 跨层次的mediation检验 有样本自助法和参数自助法bootstrapping两种方法Proclin方法做mediationtesting 2020 3 21 5 Incrementalmodel 在第1层次用grandmeancentering Level1variance between within randomLevel2variance between random在level1用grandmeancentering时 level1上保留了between和within的方差 又减少了randomvariance X2 X1 Y1 Level2 Level1 2020 3 21 6 Mediationalmodel 若X1存在 则grandmeancentering若X1不存在 仅做X2 M1 则grandmeancentering或groupmeancentering 效果一样 若X1 X2 Y1 则必须用grandmeancentering X2 X1 Y1 Level2 Level1 M1 2020 3 21 7 Moderationalmodel 此时 level1必须用groupmeancentering 因为level1上有三部分的方差 between within random 此时groupmeancentering就把level1的方差干净为within random 所以level2的X2是对withinvariance的调节 若在level1上用grandmeancentering 由level1上还存在between within random三部分方差 此时X2的调节作用分不清是对between的影响 还是within的影响 X2 X1 Y1 Level2 Level1 2020 3 21 8 Separatemodel 用groupmeancentering 与incrementalmodel相同 SPSSdatapreparation DataClean注意 有的变量名太长 另存为 sd7version时候 进入HLM不能进入mdm之中 所以 变量名不能多于8个字符 不同层次的ID 变成numeric从小到大排序 2020 3 21 9 2020 3 21 10 用HLM分析高级SPSS版本数据 先将SPSS数据另存为sasv7 8 sd7 short term MakenewMDMfile statapackageinput在InputFileType中选Anythingelse stat transfer 2020 3 21 11 2020 3 21 12 2020 3 21 13 输完第一层次的数据后 missingdata Yes runninganalysis每个层次的数据选择完成后 给mdm一个文件名 并给保存的路径Makemdm CheckStats 认真研究一下这个TXT文件的statistics 问为什么不同层次的样本是这么多 回去再看看数据 都完成了 Done 出现下面的页面 2020 3 21 14 2020 3 21 15 这个页面叫 nullmodel 2020 3 21 16 Nullmodel Step1inTable1ofAguinisetal 2013 JoM orTable2ofChangetal 2014 JAP 只有dependentvariable 没有任何predictors 这个模型是看每个层次能够解释因变量的方差比重 RunAnalysis run于是出现一个DOS运行页面 然后自动消失 2020 3 21 17 2020 3 21 18 Results Finalestimationoffixedeffects withrobuststandarderrors StandardApprox FixedEffectCoefficientErrorT ratiod f P value ForINTRCPT1 P0ForINTRCPT2 B00INTRCPT3 G0004 1012650 06473163 359250 000 Finalestimationoflevel 1andlevel 2variancecomponents RandomEffectStandardVariancedfChi squareP valueDeviationComponent INTRCPT1 R00 348840 1216923165 515850 000level 1 E0 331560 10993 Finalestimationoflevel 3variancecomponents RandomEffectStandardVariancedfChi squareP valueDeviationComponent INTRCPT1 INTRCPT2 U000 173530 030112434 322700 079 Statisticsforcurrentcovariancecomponentsmodel Deviance 285 220776Numberofestimatedparameters 4 2020 3 21 19 有三个层次的variance wecancalculatetheDV svarianceproportionthateachlevelcanexplain DVtotalvariance 0 10993 L1 0 12169 L2 0 03011 L3 0 26173 L1 0 10993 0 26173 42 L2 0 12169 0 26173 46 L3 0 03011 0 26173 12 2020 3 21 20 Controlmodel Step2inTable2ofChangetal 2014 JAP 2020 3 21 21 Randominterceptandfixedslopemodel Step2inTable1ofAguinisetal 2013 JoM orStep3inTable2ofChangetal 2014 JAP 2020 3 21 22 RandominterceptandRandomslopemodel Step3inTable1ofAguinisetal 2013 JoM orStep4inTable2ofChangetal 2014 JAP 2020 3 21 23 Slope L2 varianceIntercept slope L2 covariance上面两个值都可以在Results中的Tau beta 矩阵中有 注意 varianceisnotnegative co variancemaybenegativeorpositiveorzero 2020 3 21 24 Cross LevelInteraction Randominterceptandrandomslope Step4inTable1ofAguinisetal 2013 JoM orStep5or6inTable2ofChangetal 2014 JAP 2020 3 21 25 2020 3 21 26 如果需要画图和计算线的slopean