付費限定

用SPSS進行HLM第五章:步驟策略和解釋變異量測量

更新 發佈閱讀 1 分鐘

本文章將介紹實務中進行HLM會需要注意的事項,包含樣本量要求、基本假設、計算解釋變異量和HLM建構策略。再見了~所有HLM(好啦我是學福音戰士劇場版台詞)。

HLM樣本需求

層次1樣本數量:設計效果(design effect)從公式得知因為ICC將平均組內樣本數所能提供的效果被打折扣,這折扣是因為樣本有相關性造成。設計效果(design effect)在大於2時就可以考慮使用HLM(Maas & Hox, 2005)。

設計效果(design effect) =  (平均組內樣本數 -1) *ICC

層次2樣本數量: HLM對各個層次都要求一定的樣本量(Castro, 2002)。模擬結果表明,若層次二樣本數量較小(即 50 個或更少的樣本)會導致層次二標準誤的估計有偏差(Maas & Hox, 2005)。

以行動支持創作者!付費即可解鎖
本篇內容共 3462 字、0 則留言,僅發佈於統計分析 × 學術生涯你目前無法檢視以下內容,可能因為尚未登入,或沒有該房間的查看權限。
留言
avatar-img
教育心理博士的筆記本
265會員
141內容數
文章內容以圖像式和步驟化方式,教您如何在各種統計軟體中(例如:SPSS、R和Mplus),執行多種統計方法。
2024/11/28
以前,若多因子的變異數分析的變異數同異質性假設未通過,那麼變異數分析的F值就會有所誤差,也沒有適當的無母數統計可以替代。最近,有學者提倡Welch-James統計量,這種方法相較於傳統的方差分析更具有穩健性,並且同樣可以檢驗因子主效應和交互作用。通過一些實際案例,我們展示瞭如何在R語言中使用本方法。
Thumbnail
2024/11/28
以前,若多因子的變異數分析的變異數同異質性假設未通過,那麼變異數分析的F值就會有所誤差,也沒有適當的無母數統計可以替代。最近,有學者提倡Welch-James統計量,這種方法相較於傳統的方差分析更具有穩健性,並且同樣可以檢驗因子主效應和交互作用。通過一些實際案例,我們展示瞭如何在R語言中使用本方法。
Thumbnail
2024/05/01
高低分組,顧名思義,就是把考生的成績分成兩組:表現最好的一組和表現最差的一組。依據Kelley(1939),通常前27%的考生是高分組,後27%的考生是低分組。如果高分組和低分組的表現差異很大,那麼說明這題題目鑑別度高,能有效區分不同程度的考生。
Thumbnail
2024/05/01
高低分組,顧名思義,就是把考生的成績分成兩組:表現最好的一組和表現最差的一組。依據Kelley(1939),通常前27%的考生是高分組,後27%的考生是低分組。如果高分組和低分組的表現差異很大,那麼說明這題題目鑑別度高,能有效區分不同程度的考生。
Thumbnail
2023/11/23
Groupmean centering是一種常用的資料預處理方法,特別是多層次分析,若要使用Rights & Sterba (2019)(2019) 發展出R2 (R&S),要對需要將層次1的變項和交互作用都 Groupmean centering。本文介紹使用R和SPSS操作方法
Thumbnail
2023/11/23
Groupmean centering是一種常用的資料預處理方法,特別是多層次分析,若要使用Rights & Sterba (2019)(2019) 發展出R2 (R&S),要對需要將層次1的變項和交互作用都 Groupmean centering。本文介紹使用R和SPSS操作方法
Thumbnail
看更多
你可能也想看
Thumbnail
債券投資,不只是高資產族群的遊戲 在傳統的投資觀念中,海外債券(Overseas Bonds)常被貼上「高資產族群專屬」的標籤。過去動輒 1 萬甚至 10 萬美元的最低申購門檻,讓許多想尋求穩定配息的小資族望而卻步。 然而,在股市波動劇烈的環境下,尋求穩定的美元現金流與被動收入成為許多投資人
Thumbnail
債券投資,不只是高資產族群的遊戲 在傳統的投資觀念中,海外債券(Overseas Bonds)常被貼上「高資產族群專屬」的標籤。過去動輒 1 萬甚至 10 萬美元的最低申購門檻,讓許多想尋求穩定配息的小資族望而卻步。 然而,在股市波動劇烈的環境下,尋求穩定的美元現金流與被動收入成為許多投資人
Thumbnail
透過川普的近期債券交易揭露,探討債券作為資產配置中「穩定磐石」的重要性。文章分析降息對債券的潛在影響,以及股神巴菲特的操作策略。並介紹玉山證券「小額債」平臺,如何讓小資族也能低門檻參與海外債券市場,實現「低門檻、低波動、固定收益」的務實投資方式。
Thumbnail
透過川普的近期債券交易揭露,探討債券作為資產配置中「穩定磐石」的重要性。文章分析降息對債券的潛在影響,以及股神巴菲特的操作策略。並介紹玉山證券「小額債」平臺,如何讓小資族也能低門檻參與海外債券市場,實現「低門檻、低波動、固定收益」的務實投資方式。
Thumbnail
解析「債券」如何成為資產配置中的穩定錨,提供低風險高回報的投資選項。 藉由玉山證券的低門檻債券服務,投資者可輕鬆入手,平衡風險並穩定財務。
Thumbnail
解析「債券」如何成為資產配置中的穩定錨,提供低風險高回報的投資選項。 藉由玉山證券的低門檻債券服務,投資者可輕鬆入手,平衡風險並穩定財務。
Thumbnail
相較於波動較大的股票,債券能提供固定現金流,而玉山證券推出的小額債,更以1000 美元的低門檻,讓學生與新手也能參與全球優質企業債投資。玉山E-Trader平台即時報價、條件式篩選與清楚的交易流程等特色,大幅降低投資難度,對於希望分散風險、建立穩定現金流的人來說,玉山小額債是一個值得嘗試的理財起點。
Thumbnail
相較於波動較大的股票,債券能提供固定現金流,而玉山證券推出的小額債,更以1000 美元的低門檻,讓學生與新手也能參與全球優質企業債投資。玉山E-Trader平台即時報價、條件式篩選與清楚的交易流程等特色,大幅降低投資難度,對於希望分散風險、建立穩定現金流的人來說,玉山小額債是一個值得嘗試的理財起點。
Thumbnail
  前面說明了所謂「假設檢定」的邏輯,也就是推論統計的基礎。但前面都還只是概念的階段,目前沒有真正進行任何的操作──還沒有提到推論統計的技術。   這篇其實有點像是一個過渡,是將前面的概念銜接到下一篇t分數之間的過程,也可以說是稍微解釋一下t檢定怎麼發展出來的。
Thumbnail
  前面說明了所謂「假設檢定」的邏輯,也就是推論統計的基礎。但前面都還只是概念的階段,目前沒有真正進行任何的操作──還沒有提到推論統計的技術。   這篇其實有點像是一個過渡,是將前面的概念銜接到下一篇t分數之間的過程,也可以說是稍微解釋一下t檢定怎麼發展出來的。
Thumbnail
變異數和共變數分析通常有一些統計的前提假設。如果在進行這些分析時,假設沒有達到滿足,結果將有所偏誤,更可能被審稿者或口委批評。本文首先介紹如何檢測這些假設,然後提出假設不過的解決方法,並附上相關文獻佐證。
Thumbnail
變異數和共變數分析通常有一些統計的前提假設。如果在進行這些分析時,假設沒有達到滿足,結果將有所偏誤,更可能被審稿者或口委批評。本文首先介紹如何檢測這些假設,然後提出假設不過的解決方法,並附上相關文獻佐證。
Thumbnail
如果看過上一篇還不太確定共變數要怎麼計算,這篇會用圖像的方式來進行解釋,最後也會提及共變數的小缺點。
Thumbnail
如果看過上一篇還不太確定共變數要怎麼計算,這篇會用圖像的方式來進行解釋,最後也會提及共變數的小缺點。
Thumbnail
Mplus是一種用於統計分析和結構方程模型(SEM)的軟體,通常用於處理複雜的數據分析和模型建立。以下是一些Mplus的基本語法示例,用於不同類型的分析。
Thumbnail
Mplus是一種用於統計分析和結構方程模型(SEM)的軟體,通常用於處理複雜的數據分析和模型建立。以下是一些Mplus的基本語法示例,用於不同類型的分析。
Thumbnail
本文章將介紹實務中進行HLM會需要注意的事項,包含樣本量要求、基本假設、計算解釋變異量和HLM建構策略。
Thumbnail
本文章將介紹實務中進行HLM會需要注意的事項,包含樣本量要求、基本假設、計算解釋變異量和HLM建構策略。
Thumbnail
在前面的文章裡, 我們談了很多機率的概念, 今天我們來聊聊統計學裡最基礎的研究方法: 迴歸分析。
Thumbnail
在前面的文章裡, 我們談了很多機率的概念, 今天我們來聊聊統計學裡最基礎的研究方法: 迴歸分析。
Thumbnail
當我們要確定問卷量表在不同群體(例如:男生和女生)的適用和一致性時,我們就使用多群組測量衡等性檢驗在不同群體,因素和觀察變項之間的關聯是一致。則代表之後統計結果是可信的,反映出真實結果,並非只是量表誤差造成的。
Thumbnail
當我們要確定問卷量表在不同群體(例如:男生和女生)的適用和一致性時,我們就使用多群組測量衡等性檢驗在不同群體,因素和觀察變項之間的關聯是一致。則代表之後統計結果是可信的,反映出真實結果,並非只是量表誤差造成的。
Thumbnail
題目打包法(Item Parceling)是一種統計學方法,主要用於結構方程模式(SEM)中。打包法的基本思想是將多個觀察指標打包成一個新指標,以提高模型的擬合程度。打包法有很多優點,如提高模型的擬合程度和要求樣本數減少。但也有缺點,如不適合測量模型分析。本文將簡介題目打包法之策略。
Thumbnail
題目打包法(Item Parceling)是一種統計學方法,主要用於結構方程模式(SEM)中。打包法的基本思想是將多個觀察指標打包成一個新指標,以提高模型的擬合程度。打包法有很多優點,如提高模型的擬合程度和要求樣本數減少。但也有缺點,如不適合測量模型分析。本文將簡介題目打包法之策略。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News