統計分析 × 學術生涯

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

當共變數分析(ANCOVA)違反回歸斜率的同質性假設時，Johnson-Neyman 技術是實驗設計中 ANCOVA 的優秀的替代方法。凃金堂老師寫的實驗研究法與共變數分析有提供完善的Johnson-Neyman程式和講解。本文就是分享個人如何透過實際案例，使用Johnson-Neyman法進行分析

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。

接續第三章內容，有時候多層次資料不只一個層次，可能具有多種層次，例如:學生屬於某個學校，而學校又屬於某個縣市。本章主要說明三層次之隨機截距模型的公式和SPSS操作，我們先從公式開始，然後在教學SPSS視窗和語法操作，相信看完後，讀者就會了解三層次之隨機截距斜率模型概念和操作。

接續第二章內容，本章主要說明雙層次之隨機截距模型的公式和SPSS操作，我們先從公式開始，然後在教學SPSS視窗和語法操作，相信看完後，讀者就會了解雙層次之隨機截距斜率模型概念和操作。

本章主要說明雙層次之隨機截距模型的公式和SPSS操作，我們先從最簡單的一個Level 1固定自變項模型開始，到複雜的兩個Level 1和1個Level 2固定自變項模型，相信看完後，讀者就會了解雙層次之隨機截距模型概念和操作。

階層線性模式(MLM) 或是多層次模式(HLM)可以說是當代社會科學研究重要的統計方法學。現實中，我們收集到的資料可能巢套在不同層層次的單位當中。這種巢套關係很容易違反資料獨立性的假設導致許多傳統統計方法無法使用，本文將從簡單的公式說明多層次資料的問題，並介紹HLM的概念。

PROCESS macro for SPSS 可以用非常簡單方式學會調節中介模式。本文將介紹四種類型的變項，並解釋調節式中介的公式，還有如何操作最4.0版本的PROCESS macro for SPSS。文末也會附上所有所有Process模型圖例，提供給讀者方便分析~

多層次資料若使用傳統的中介分析容易導致結果偏誤，所以多層次中介分析旨在解決此問題，本次介紹如何透過MLmed進行多層次中介分析，本文將透過不同案例說明多層次中介分析包含1-1-1 模型和2-1-1模型，也會說明加入調節變項案例，還有多重中介變項案例。每個案例都會講解如何操作和判讀報表。

PROCESS macro for SPSS 可以用非常簡單方式使用調節分析。本文將介紹三種類型的變項，還有如何操作最4.2版本的PROCESS macro for SPSS進行調節模式。文末也會附上所有所有Process模型圖例，提供給讀者方便分析~