[丢掉HLM软件]基于R的多层模型分析教程贴

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

         还在为找不到破解版HLM软件而头疼？为什么还不放弃HLM软件？尽管HLM软件的图形化操作似乎简单一点，但是
        一、HLM软件需要对多层数据分别建立文件，这种操作方式与我们的一般习惯不符。
        二、HLM软件只能处理一个因变量；
        三、HLM软件不能对中介效应直接进行检验。
        ……
        Mplus和R都可以用来处理多层模型，且各具千秋。本贴将不定时更新，逐步阐述基于R的多层模型分析。更新贴已全部置顶，可点击标题上方的“查看完整内容”定位相应帖子。本贴所介绍的内容主要来自于下面这本书


Finch, W. H., Bolin, J. E., & Kelley, K. (2014). Multilevel modeling using R. Crc Press.

        首先将这本书所涉及的数据奉上
         

本帖隐藏的内容

datasets.zip (1.68 MB) 本附件包括：

• Achieve.csv
• Achieve.sav
• Babies.csv
• Babies.sav
• Cassady.csv
• Cassady.sav
• Cooking.csv
• Cooking.sav
• CoronaryArtery.csv
• CoronaryArtery.sav
• Language.csv
• Language.sav
• MathFinal.csv
• MathFinal.sav
• Politics.csv
• Politics.sav
• PrimeTime.csv
• PrimeTime.sav
• Rehab.csv
• Rehab.sav

2016-9-29 14:42:07 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏129 回帖

关键词：HLM软件 模型分析 多层模型 HLM Multilevel 软件 破解版 因变量 模型 2014

靠谱，欢迎多分享，点赞哦

非常感谢赛

可以弱弱的问一句：这个基于R的多层模型分析一般用于解决什么问题啊

虽然不用R，支持。一般用stata实现分层线性模型。

支持支持

支持支持，需要多学习

听起来不错的东西，关注一下。

1.使用nlme建立零模型,并计算ICC

本帖隐藏的内容

#研究者想要知道词汇成绩（gevocab）对一般阅读成绩（geread）的预测能力。
#由于学生嵌套于学校，标准的线性回归方程是不合适的。
#我们将要建立的第一个模型是零模型，即，模型中不包含自变量。
#该模型可用来估计残差和截距的变异（仅考虑嵌套于学校）。相应的lme语句见下方。

Model3.0 <- lme(fixed = geread~1, random = ~1|school, data =Achieve)

#如果仅输入Model3.0只能得到粗略的结果，我们可通过summary(Model3.0)获得计算结果。

summary(Model3.0)

#结果如下，下面这句话说明，使用的是REML算法
#Linear mixed-effects model fit by REML
#数据为Achieve
# Data: Achieve
#模型拟合指数
#      AIC      BIC    logLik
#  46274.31 46296.03 -23134.15
#随机效应部分
#Random effects:
# Formula: ~1 | school
#        (Intercept) Residual
#StdDev:   0.6257119  2.24611
#固定效应部分
#Fixed effects: geread ~ 1
#               Value  Std.Error    DF t-value p-value
#(Intercept) 4.306753 0.05497501 10160 78.3402       0
#标准化的组内残差，不重要
#Standardized Within-Group Residuals:
#       Min         Q1        Med         Q3        Max
#-2.3229469 -0.6377948 -0.2137753  0.2849664  3.8811630
#样本量
#Number of Observations: 10320
#cluster的数量
#Number of Groups: 160
#根据ICC的公式，ICC=二层方差/（二层方差+一层方差），结合上述随机效应部分，可计算
#ICC=0.6257119*0.6257119/(0.6257119*0.6257119+2.24611*2.24611)=0.0720157351971356

支持支持，需要多学习