在我们日常生活中,有很多方面需要用到分层线性分析,比如教育学(学生位于第一层,学校位于第二层,学校分布是第三层),又比★如社会学(个体在第一层,相邻的个体在第二层)。很明显在分析这样的数据时,需要专业的软件。分层线性和非线性模型(也称为多层模型)的建立是被用来研究单个分析中的任意层次间的关系的,而不会在研究中忽略掉分层模型中各个层次间相关的变异性。
HLM程序包能够根据结果变量来产生带说明变量(explanatoryvariable,利用在每层指定╲的变量来说明每层的变异性)的线性模型。HLM不仅仅估计每一层的模型系数,也预测与每层的每个采样单元相关的随机→因子(randomeffects)。虽然HLM常用㊣ 在教育学研究领域(该领卐域中的数据通常具有分层结构),但它也适合用在其它任何具有分层结构数据的领域。这↙包括纵向分析(longitudinalanalysis),在这种情∞况下,在个体被研究时的重复测量可能是嵌套(nested)的。另外,虽然上面的示例暗示在这∏个分层结构的任意层次上的成员(除了处于◆最高层次的)是嵌套(nested)的,HLM同样可以处◤理成员关系为"交叉(crossed)",而非必须是"嵌套(nested)"的情况,在这种情况下,一个学生在他的整个学习期间可以是多个不同教室里的成员。
HLM程序包可以处理连续∞,计数,序数和名义结果变量(outcomevarible),及假定一个在结果期望值和一系列说明变量(explanatoryvariable)的线性组合之间的函数关系。这个关系通过合适的关联函数来【定义,例如identity关联(连续值结果)或logit关联(二元结果)。
HLM大大的扩展了可以被◇评估的分层模型的范围,提供了更大的便利。下面是功能综述:
1、 数据的新的图形显示技术