第四讲多层模型.pptx

第四讲 多层模型;主要内容;数据结构的类型;横向数据：横截面数据、截面数据；cross- sectional data；合并横截面数据（pooled cross- sectional data） 纵向数据：面板数据；panel data; longitudinal data 时间序列数据：time-series data 配对数据：matching or pairing data;横向数据的特点;横向数据的优势与局限;横向数据的类型;两个层次数据;多个层次数据;“中国健康与营养调查”（China Health and Nutrition Survey，简称CHNS）有四个层次数据： 省区、社区、家庭、个体，后三个层次的编码规 律分别是： 个人编码= 省份编码×10000 + 社区原始码×1000 + 家 庭户原始码×100 + 个人行号 家庭编码 = 省份编码×1000 + 社区原始码×100 + 家 庭户原始码 社区编码= 省份编码×100 + 社区原始码;多个层次的横向数据;多层次的横向数据;纵向数据的特点;纵向数据的优势与局限;纵向数据的类型;纵向数据结构：单个观察值;纵向数据结构：多个观察值;;多层模型;介绍多层模型（MLM）在包括人口学在内的社会 科学领域的应用 为什么使用多层模型 模型的技术优势 应用原理 使用方法 应用举例 比较MLM和常规的分析结果;线性回归的理论模型;线性回归模型的基本假定;对于一个特定的 x 值， 它所对应的? 与其他 x 值对应的? 不相关 对于一个特定的 x 值， 它所对应的 y 与其他 x 对应的 y 不相关;为什么使用MLM;多层模型;多层模型与生态谬误（Ecological Fallacy）;MLM的技术优势与局限;MLM的适用性;MLM的基本原理（I）;MLM的理论原理（II）;常规模型和多层模型的后果;多层模型的类型;无 条 件 平 均 模 型;;;随 机 截 距 模 型;;随 机 截 距 和 随 机 斜 率 模 型;(3)随机截距和随机斜率模型;(3) 随机截距和随机斜率模型 (续);;多层模型分析的软件;Stata 多层线性模型分析;Mixed……;xtmixed;多层线性模型的类型;应用举例;二层空模型演示;;Log restricted-;二层空模型结果解释;什么是chibar2?;什么是chibar2?;二层随机随机截距模型;Mixed-effects REML regression;二层随机随机截距模型分析结果解释;随机效果参数： –社区截距的误差项比空模型中的相应指标有所减小 (=681),表明社区层次变量（agri）的纳入解释了因变 量的部分变异 –但该参数的数值依旧数倍于其标准误，表明该变量仅仅 解释了因变量在社区层次变异的小部分;. xtmixed pcinc_ad age girl agri || commid: Mixed-effects REML regression;比较模型:;二层随机截距和随机斜率模型;二层随机截距和随机斜率模型;;二层RIM和RSM分析结果解释;模型中的交互项使相关变量的边际固定效果（marginal fixed effects）依赖于其他相关变量的估计值 户主教育每增加一年的边际效果依赖于社区农业人口比例（即社 区经济发展水平）：＝ 119.4534 ＋ -.6864494＝118.7669506 社区农业人口每增加一个百分点的边际效果依赖于社区户主的教 育程度：＝ -2.778644 ＋ -.6864494＝-3.4650934 当模型包括交叉层次的互动项时，最好使用图形表示边际 效应的条件性质（the contingent nature of marginal effects） 这里，对交互项最简单的解释是，户主的教育程度对因变 量的影响随着农业劳动人口比例的升高而显著降低;随机效果参数： –社区截距的误差项比空模型中的相应指标有所减小(= 448.842),表明社区层次变量（agri）及其与户主教育 的互动项的纳入解释了因变量的部分变异 –但该参数的数值依旧数倍于其标准误，可见依旧有部 分社区层次的变异未能得到解释 – (908.5178-448.842)/908.5178＝0.505962349；表明变量agri及其互动项 解释了因变量在社区层次变量的51％ 随机斜率的误差项相对较小，但也数倍于其标准误，且十 分显著，表明研究者不能忽视该变异，也不能将所有因素 的作用都处理成固定效果;三层模型;三层空模型：. xtmixed pcinc_ad || commid: || hhid:;变异的分解（即社区 间的关联度）： 社区层次＝33.45% 家庭层次＝10.12% 其余部分;三层随机截距模型;三层随机截距