分层线性模型HLM：Hierarchical linear model

一、ＨＬＭ解决的难题：

能够正确处理个体效应和组效应之间的关系，社会科学研究必须注意到环境对于个体的影响。从观察效应的角度说，既包括个体效应，也包括组效应。简单的说，是对回归的回归。

传统线性回归分析，要求因变量呈正态分布，方差齐次、线性、对立等基本假设。且不同层次的数据，不能用于同一模型之中。

二、分层线性分析的步骤：

1、  建立mdm文件

根据spss数据文件或其他格式数据库，建立二层或三层mdm文件，数据要按照第二层或三层id为顺序排序，在保存mdm文件名时候，要加后缀。

2、  建立模型

先建立第一层模型。在建立第二层模型。二层模型先用随机效应模型，然后根据分析结果再来确定是否用固定效应模型。

3、  模型评价

输出没有二层变量的一层回归结果。然后在输出二层变量对于第一层模型的影响。一般还要报告跨级相关系数。

三、分层线性模型对变量个数的要求：

根据跨级相关系数和信度水平来控制。一般要求组数要达到30以上，每组有一定的样本即好。icc越大要求组越多，而要求的个体则越少。如果icc=0.3，需要50个组，每组有25个个体，那么信度系数可以达到0.8，如果每组有40个个体，信度系数可以达到0.9。

四、适用于分层线性模型的一些实证课题：（两层）

1、  个体的消费习惯与所属阶层的消费水平和习惯的关系。

2、  个体的社会态度与个体所在区域经济发展水平的关系。

3、  个体阶层意识与所在地区经济发展水平，或社区类型互动之间的关系。

4、  对个体进行追踪，不同个体在不同时间里面发生态度、行为的变化等。

文件链接：统计分析软件——HLM分层线性回归模型.rar