多层统计分析模型多层统计分析模型绪论青蛙与池塘（“Frog-pondtheory”）多层数据组内观察相关（within-groupobservationdependence）多层数据的常见来源多层统计模型的研究内容多层统计模型出现前对多层数据进行分析的探索探索（1）—分别估计探索（2）—传统回归探索（3）—两步模型（two-stagemodel）探索（3）—两步模型的问题多层统计模型的出现S.Raudenbush与A.BrykH.Goldstein多层统计模型的名称多层统计模型的优点多层统计模型的局限性（1）多层统计模型的局限性（2）用于多层统计模型的软件线性多层统计模型组内相关系数（Intra-ClassCorrelationCoefficient,ICC）两水平模型的公式表达空模型（又称截距模型）两个水平1自变量、一个水平2自变量一般模型SAS中的公式表达模型假设模型假设—SAS的表达固定和随机回归系数模型估计方法最大似然法（ML）最小二乘法（LS）经验Bayes方法（EB）空模型的可靠性权重对模型拟合的评价假设检验模型比较对变异的解释程度（RB）对变异的解释程度（SB）示例与SAS实现例1：对医生满意度调查空模型空模型例2：SNA角度测量值空模型空模型加入场景变量空模型加入场景变量加入水平1变量（固定效应）加入水平1变量（固定效应）检验水平1的随机性哪些个体解释变量会影响结局变量；模型的联合分布难于确定，也可以胜任；例1：对医生满意度调查multilevelmodels对于某些样本量很小的组，则更多的使用总样本的信息，进行“借力（borrowstrength）”单测检验，P值需除2；青蛙与池塘（“Frog-pondtheory”）系统成分（systematiccomponent）：即传统回归模型形态；4步迭代完成，2个随机系数均有意义；当组群过多，则十分麻烦；组内观察相关（within-groupobservationdependence）离散型结局变量的多层统计模型研究的理论没有根本上的分歧；randominttime/subject=idGtype=UN;用传统的固定效应回归模型中一般的交互项理解多层数据中的跨层（cross-level）交互作用。数值法积分近似法的优点和局限性包括迭代广义最小二乘法（IGLS）和限制性迭代广义最小二乘法（RIGLS）跨层交互作用评估跨层交互作用评估建模一般步骤发展模型传统纵向数据分析方法的局限性发展模型的优点发展模型与一般多层模型的区别哪些个体解释变量会影响结局变量；传统纵向数据分析方法的局限性模型称为：multilevelmodels；“收缩估计（shrinkageestimator）”1，前模型-2LL=345.hierarchicallinearmodel随机成分（randomcomponents）：指的是分布，一般为指数族分布；组内同质（within-grouphomogeneity），组间异质（between-groupheterogeneity）组群数量较少，会出现偏倚；或，假设任何时点之间的残差方差的差异相等（即所谓“球面（sphericity）”假设或称“环形（circularity）”假设）；以可靠性权重确定最后的估计值；3步迭代完成，随机截距有意义；局部检验：对方差-协方差估计使用WaldZ检验；以可靠性权重确定最后的估计值；都以普通最小二乘估计（OLS）为初始值进行迭代；某些场景变量通常是各组个体的聚集性测量，而不是总体内个体的聚集性测量；地位及相对关系大致等同于ML和REML；试图用单一的个体水平模型的分析结果来推论另一水平的统计结果。离散型结局变量的多层统计模型广义线性模型广义线性混合效应模型广义线性混合效应模型的估计方法线性化法线性化法的优点和局限性数值法积分近似法数值法积分近似法的优点和局限性感谢观看