

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、概述層次結(jié)構(gòu)數(shù)據(jù)的普遍性經(jīng)典方法及其局限性基本多水平模型多水平模型的應(yīng)用,概 述,80 年代中后期,英美等國教育統(tǒng)計(jì)學(xué)家開始探討分析層次結(jié)構(gòu)數(shù)據(jù)(hierarchically structured data)的統(tǒng)計(jì)方法,并相繼提出不同的模型理論和算法。 多水平模型(multilevel models)最先應(yīng)用于教育學(xué)領(lǐng)域,后用于心理學(xué)、社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、組織行為與管理科學(xué)等領(lǐng)域,逐步應(yīng)用到醫(yī)學(xué)及公共衛(wèi)生等領(lǐng)域。
2、,,Harvey Goldstein, UK, University of London, Institute of Education《Multilevel Models in Educational and Social Research》1987,Anthony Bryk, University of ChicagoStephen Raudenbush, Michigan State University , Departme
3、nt of Educational Psychology《Hierarchical Linear Models: Applications and Data Analysis Methods》1992,Nicholas Longford, Princeton University, Education Testing Service《Random Coefficient Models》1993,多水平主成分分析多水平因子分析多
4、水平判別分析多水平logistic回歸多水平Cox模型多水平Poisson回歸多水平時(shí)間序列分析多元多水平模型多水平結(jié)構(gòu)方程模型,,ML3 (1994) / MLN (1996) / MLwiN (1999) HLM (Hierarchical Linear Model) SAS (Mixed) SPSS (HLM) STATA (MLwiN),,兩水平層次結(jié)構(gòu)數(shù)據(jù),,水平2,,水平1,層次
5、結(jié)構(gòu)數(shù)據(jù)的普遍性,“水平” (level) :指數(shù)據(jù)層次結(jié)構(gòu)中的某一層次。例如,子女為低水平即水平 1 ,家庭為高水平即水平 2 ?!皢挝弧?(unit) :指數(shù)據(jù)層次結(jié)構(gòu)中某水平上的一個(gè)實(shí)體。例如,每個(gè)子女是一個(gè)水平 1 單位,每個(gè)家庭是一個(gè)水平 2 單位。,臨床試驗(yàn)和動(dòng)物實(shí)驗(yàn)的重復(fù)測(cè)量 多中心臨床試驗(yàn)研究 縱向觀測(cè)如兒童生長發(fā)育研究 流行病學(xué)現(xiàn)場(chǎng)調(diào)查如整群抽樣調(diào)查 遺傳學(xué)家系調(diào)查資料 meta 分析資料,層次
6、結(jié)構(gòu)數(shù)據(jù)為一種非獨(dú)立數(shù)據(jù),即某觀察值在觀察單位間或同一觀察單位的各次觀察間不獨(dú)立或不完全獨(dú)立,其大小常用組內(nèi)相關(guān)(intra-class correlation,ICC)度量。 例如,來自同一家庭的子女,其生理和心理特征較從一般總體中隨機(jī)抽取的個(gè)體趨向于更為相似,即子女特征在家庭中具有相似性或聚集性(clustering),數(shù)據(jù)是非獨(dú)立的(non independent)。,非獨(dú)立數(shù)據(jù)不滿足經(jīng)典方法的獨(dú)立性條件,采用經(jīng)
7、典方法可能失去參數(shù)估計(jì)的有效性并導(dǎo)致不合理的推斷結(jié)論。 但非獨(dú)立數(shù)據(jù)的組內(nèi)相關(guān)結(jié)構(gòu)各異,理論上,不同的結(jié)構(gòu)應(yīng)采用相應(yīng)的統(tǒng)計(jì)方法。如縱向觀測(cè)數(shù)據(jù)常用廣義估計(jì)方程(GEE),但有兩個(gè)局限性:一是對(duì)誤差方差的分解僅局限于2水平的情形,二是沒有考慮解釋變量對(duì)誤差方差的影響。當(dāng)應(yīng)變量的協(xié)差陣為分塊對(duì)角陣時(shí),一般采用多水平模型。,經(jīng)典方法框架下的分析策略 經(jīng)典的線性模型只對(duì)某一層數(shù)據(jù)的問題進(jìn)行分析,而不能將涉及兩層或
8、多層數(shù)據(jù)的問題進(jìn)行綜合分析。 但有時(shí)某個(gè)現(xiàn)象既受到水平1變量的影響,又受到水平2變量的影響,還受到兩個(gè)水平變量的交互影響(cross-level interaction)。,個(gè)體的某事件既受到其自身特征的影響,也受到其生活環(huán)境的影響,即既有個(gè)體效應(yīng),也有環(huán)境或背景效應(yīng)(context effect)。 例如,個(gè)體發(fā)生某種牙病的危險(xiǎn)可能與個(gè)體的遺傳傾向、個(gè)體所屬的社會(huì)階層(如飲食文化和口
9、腔衛(wèi)生習(xí)慣)、環(huán)境因素(如飲水中氟濃度)等有關(guān)。,分解(disaggregation)聚合(aggregation)組內(nèi)-組間分析(within-between analysis),分解:不滿足模型獨(dú)立常方差的基本假定,回歸系數(shù)及其標(biāo)準(zhǔn)誤的估計(jì)無效,且未能區(qū)分個(gè)體效應(yīng)與背景效應(yīng)。一種分析策略是用啞變量擬合高水平單位的固定效應(yīng)。 聚合:損失大量水平1單位的信息,更嚴(yán)重的是可能導(dǎo)致“生態(tài)學(xué)謬誤”(ecological f
10、allacy)。,組內(nèi)-組間分析:每個(gè)水平2單位內(nèi)進(jìn)行分析,計(jì)算組內(nèi)相關(guān)(組內(nèi)效應(yīng));通過平均或整合得到每個(gè)水平2單位的數(shù)據(jù),計(jì)算組間相關(guān)(組間效應(yīng));忽略水平2的存在,在水平1上進(jìn)行分析,計(jì)算水平1單位間的相關(guān)(總效應(yīng))。 組內(nèi)相關(guān)系數(shù)(intra-class correlation, ICC)被當(dāng)作是總結(jié)多層次數(shù)據(jù)內(nèi)部相關(guān)的最終統(tǒng)計(jì)量,但并沒有對(duì)誤差方差進(jìn)行解釋。,多水平分析的概念為人們提供了這樣一個(gè)框
11、架,即可將個(gè)體的結(jié)局聯(lián)系到個(gè)體特征以及個(gè)體所在環(huán)境或背景特征進(jìn)行分析,從而實(shí)現(xiàn)研究的事物與其所在背景的統(tǒng)一。,經(jīng)典模型的基本假定是單一水平和單一的隨機(jī)誤差項(xiàng),并假定隨機(jī)誤差項(xiàng)獨(dú)立、服從方差為常量的正態(tài)分布,代表不能用模型解釋的殘留的隨機(jī)成份。,基本的多水平模型,當(dāng)數(shù)據(jù)存在層次結(jié)構(gòu)時(shí),隨機(jī)誤差項(xiàng)則不滿足獨(dú)立常方差的假定。模型的誤差項(xiàng)不僅包含了模型不能解釋的反應(yīng)變量的殘差成份,也包含了高水平單位自身對(duì)反應(yīng)變量的效應(yīng)成份。,多水平模型將單一的
12、隨機(jī)誤差項(xiàng)分解到與數(shù)據(jù)層次結(jié)構(gòu)相應(yīng)的各水平上,具有多個(gè)隨機(jī)誤差項(xiàng)并估計(jì)相應(yīng)的殘差方差及協(xié)方差。構(gòu)建與數(shù)據(jù)層次結(jié)構(gòu)相適應(yīng)的復(fù)雜誤差結(jié)構(gòu),這是多水平模型區(qū)別于經(jīng)典模型的最主要特征。,多水平模型由固定與隨機(jī)兩部分構(gòu)成,與一般的混合效應(yīng)模型的不同之處在于,其隨機(jī)部分可以包含解釋變量,故又稱為隨機(jī)系數(shù)模型(random coefficient model),其組內(nèi)相關(guān)也可為解釋變量的函數(shù)。換言之,多水平模型可對(duì)不同水平上的誤差方差進(jìn)行深入和精細(xì)的
13、分析。,1. 方差成份模型 (Variance Component Model) 假定一個(gè)兩水平的層次結(jié)構(gòu)數(shù)據(jù),醫(yī)院為水平 2 單位,患者為水平 1 單位,醫(yī)院為相應(yīng)總體的隨機(jī)樣本,模型中僅有一個(gè)解釋變量 x 。,和 分別為第 j 個(gè)醫(yī)院中第 i 個(gè)患者的反應(yīng)變量觀測(cè)值和解釋變量觀測(cè)值, 和 為參數(shù)估計(jì), 為通常的隨機(jī)誤差項(xiàng)。,,,示水平 2 單位,示水平 1 單
14、位,與經(jīng)典模型的區(qū)別在于 。經(jīng)典模型中的估計(jì)為 ,僅一個(gè)估計(jì)值,表示固定的截距,而在方差成份模型中 為隨機(jī)變量, 可估計(jì) j 個(gè)截距值。 表示當(dāng) x 取 0 時(shí),第 j 個(gè)醫(yī)院在基線水平時(shí) y 的平均估計(jì)值。,,,,,,,,,,為平均截距,反映 與 的平均關(guān)系,即當(dāng) x 取 0 時(shí),所有 y 的總平均估計(jì)值。 亦為隨機(jī)變量,表示第 j 個(gè)醫(yī)院 y 之平均估計(jì)值與
15、總均數(shù)的離差值,反映了第 j 個(gè)醫(yī)院對(duì) y 的隨機(jī)效應(yīng)。,表示協(xié)變量 x 的固定效應(yīng)估計(jì)值。即 y 與協(xié)變量 x 的關(guān)系在各醫(yī)院間是相同的,每個(gè)醫(yī)院間 y 的變異與協(xié)變量 x 的變化無關(guān)。,,,,方差成份模型擬合 j 條平行的回歸線,截距不同( ),斜率相同( )。 它將醫(yī)院的參數(shù)估計(jì)作為隨機(jī)變量,并估計(jì)其隨機(jī)效應(yīng),提供了這些醫(yī)院所代表的醫(yī)院總體特征的信息。,對(duì)醫(yī)院水平殘差的假定,對(duì)患者水平殘差的假
16、定與傳統(tǒng)模型一致,水平 1 上的殘差與水平 2 上的殘差相互獨(dú)立,,,,,,,,,,反應(yīng)變量可表達(dá)為固定部分 與隨機(jī)部分 之和。模型具有兩個(gè)殘差項(xiàng),這是多水平模型區(qū)別于經(jīng)典模型的關(guān)鍵部分。 即水平2殘差,隨機(jī)效應(yīng)、又稱潛變量(latent variable),,,此模型需估計(jì)4個(gè)參數(shù),除兩個(gè)固定系數(shù) 和 ,還需估計(jì)兩個(gè)隨機(jī)參數(shù)
17、和 。其中 即為醫(yī)院水平的方差成份, 為患者水平的方差成份。,,,,組內(nèi)相關(guān)的度量,方差成份模型中,反應(yīng)變量方差為,,,,,,此即水平 2 和水平 1 方差之和,同一醫(yī)院中兩個(gè)患者(用i1,i2 表示)間的協(xié)方差為:,,,組內(nèi)相關(guān)(intra-class correlation, ICC),,測(cè)量了醫(yī)院間方差占總方差的比例,實(shí)際上它反映了醫(yī)院內(nèi)個(gè)體間相關(guān),即水平 1 單位(患者)在水平 2 單位(醫(yī)院)中
18、的聚集性或相似性。,,由于模型不止一個(gè)殘差項(xiàng),就產(chǎn)生了非零的單位內(nèi)相關(guān)。若 為 0,表明數(shù)據(jù)不具層次結(jié)構(gòu),可忽略醫(yī)院的存在,即簡化為傳統(tǒng)的單水平模型;反之,若存在非零的 ,則不能忽略醫(yī)院的存在。,,,水平 2 單位中的水平 1 單位間存在相關(guān),通常的“普通最小二乘法”(Ordinary Least Squares OLS)進(jìn)行參數(shù)估計(jì)是不適宜的。,進(jìn)一步,如數(shù)據(jù)具三個(gè)水平的層次結(jié)構(gòu),如醫(yī)院、醫(yī)生和患者三個(gè)水平,則將有
19、兩個(gè)這樣的相關(guān)系數(shù),即反映醫(yī)院之間方差比例的醫(yī)院內(nèi)相關(guān),反映醫(yī)生之間方差比例的醫(yī)生內(nèi)相關(guān)。,隨機(jī)系數(shù)模型是指協(xié)變量的系數(shù)估計(jì)不是固定的而是隨機(jī)的,即協(xié)變量對(duì)反應(yīng)變量的效應(yīng)在不同的水平 2 單位間是不同的。仍以醫(yī)院與患者兩水平數(shù)據(jù)結(jié)構(gòu)說明隨機(jī)系數(shù)模型基本結(jié)構(gòu)與假設(shè)。,隨機(jī)系數(shù)模型(Random Coefficient Model),與方差成份模型的區(qū)別在于 。,方差成份模型中協(xié)變量 的系數(shù)估計(jì)為固定的
20、 ,示協(xié)變量 對(duì)反應(yīng)變量的效應(yīng)是固定不變的。在隨機(jī)系數(shù)模型中協(xié)變量 的系數(shù)估計(jì)為 ,示每個(gè)醫(yī)院都有其自身的斜率估計(jì),表明協(xié)變量 對(duì)反應(yīng)變量的效應(yīng)在各個(gè)醫(yī)院間是不同的。,,,,,,,,,的假定及其含義與方差成份模型一致。現(xiàn) 為隨機(jī)變量,假定:,,,,表示第 j 個(gè)醫(yī)院的 y 隨 x 變化的斜率; 表示全部醫(yī)院的 y 隨 x 變化的斜率的平均值(平均斜率)。
21、 是指各醫(yī)院的 y 隨 x 變化的斜率 的方差。,示第 j 個(gè)醫(yī)院的斜率與平均斜率的離差值, 指上述截距與斜率離差值的協(xié)方差,反映了它們之間的相關(guān)關(guān)系。,,,,,,,,,,即表達(dá)為固定部分與隨機(jī)部分之和。其中,固定效應(yīng)用均數(shù)描述,它決定了全部醫(yī)院的平均回歸線,這條直線的截距即平均截距 ,直線的斜率即平均斜率 。 為隨機(jī)系數(shù)。,將模型改記為:,,,,,,,,,隨機(jī)效應(yīng)用方差描述,它反映了
22、各醫(yī)院之間 y 的變異與協(xié)變量 x 的關(guān)系。模型隨機(jī)部分具多個(gè)殘差項(xiàng),需估計(jì)4個(gè)隨機(jī)參數(shù),即方差 、 和 以及協(xié)方差 。,模型的反應(yīng)變量方差為:,表明各醫(yī)院間 y 的變異與協(xié)變量 x 有關(guān),即每條回歸線不僅截距不同,且斜率也不同。當(dāng) x 取 0 時(shí)每個(gè)醫(yī)院 y 的平均估計(jì)值 不同,且每個(gè)醫(yī)院 y 隨 x 變化的斜率 不同。,,,,,,組內(nèi)相關(guān)與解釋變量有關(guān),為使模型中每
23、個(gè)系數(shù)都有一個(gè)相應(yīng)的解釋變量,可對(duì)截距 及其殘差 定義一個(gè)解釋變量 ,取值為1,為簡化模型,常省略該解釋變量。,,,,下面是包括隨機(jī)系數(shù)的一般形式的兩水平模型,即將模型擴(kuò)展為納入其它固定部分解釋變量的形式:,這里,對(duì)模型隨機(jī)部分采用了新的解釋變量,實(shí)際上, , 。 值得指出,模型隨機(jī)部分的解釋變量常為其固定部分的一個(gè)子集,但亦可以
24、不是,即可以在任何水平上測(cè)量固定部分或隨機(jī)部分的解釋變量。,,,,,反應(yīng)變量向量的協(xié)方差結(jié)構(gòu),從最基本的兩水平數(shù)據(jù)結(jié)構(gòu)來考察反應(yīng)變量向量的協(xié)方差結(jié)構(gòu),即只包括隨機(jī)參數(shù) 和 。對(duì)應(yīng)于方差成份模型,反應(yīng)變量方差為水平 1 和水平 2 方差之和:,,,,,同一個(gè)醫(yī)院所診療的兩個(gè)患者(用 , 表示)間的協(xié)方差為:,以下矩陣表示同一個(gè)醫(yī)院所診療的三名患者的協(xié)差陣,,對(duì)兩個(gè)醫(yī)院而言,若一個(gè)醫(yī)院診療了三名患者,另一
25、個(gè)醫(yī)院診療了兩個(gè)患者,則具有 2 個(gè)水平 2 單位的反應(yīng)變量向量 Y 總的協(xié)差陣可表達(dá)為:,,,矩陣的這種分塊對(duì)角結(jié)構(gòu)表達(dá)了不同醫(yī)院所診療的患者間的協(xié)方差為 0 ,它可進(jìn)一步擴(kuò)展到任意多的醫(yī)院數(shù)。將上述矩陣表達(dá)為另一種更簡略的形式:,為 維的 1 矩陣, 為 維的單位陣, 的下標(biāo) 2 表明為兩水平模型, 的維數(shù)即水平2單位數(shù),主對(duì)角線塊的維數(shù)即水平1單位數(shù),它們均為方陣。在傳統(tǒng) OLS 估計(jì)中,
26、 為 0 ,則該協(xié)差陣退化為標(biāo)準(zhǔn)形式的 , 即殘差方差。,考察包括隨機(jī)系數(shù)的一般形式的兩水平模型,,或簡記為,對(duì)于具有隨機(jī)截距與斜率的兩水平模型,其反應(yīng)變量協(xié)差陣具有以下典型的分塊結(jié)構(gòu):,,,,,,,,矩陣 為水平 2 的隨機(jī)截距與斜率的協(xié)差陣,即隨機(jī)系數(shù)協(xié)差陣,矩陣 為水平 1 的隨機(jī)系數(shù)協(xié)差陣。 這里,水平 1 只有一個(gè)單一的方差項(xiàng),可進(jìn)一步采用 表示這些協(xié)差
27、陣集。 將上述矩陣展開得到:,,這是具有分塊結(jié)構(gòu)的一個(gè)具有 2 個(gè)水平 1 單位的水平 2 單位的反應(yīng)變量協(xié)差陣。此即構(gòu)造反應(yīng)變量協(xié)差陣的一般模式,它同時(shí)也概括了擬合水平 1 復(fù)雜變異的可能性。,固定與隨機(jī)參數(shù)估計(jì),固定和隨機(jī)參數(shù)的估計(jì)方法一般采用“迭代廣義最小二乘算法”(Iterative Generalized Least Squares,IGLS) (Goldstein,1986)或“限制性迭代廣義最小二乘法”
28、(Restricted Iterative Generalized Least Squares,RIGLS) (Goldstein,1989)。,,現(xiàn)以最基本的兩水平方差成份模型來闡明固定與隨機(jī)參數(shù)估計(jì)的基本思想和步驟。,,,,假定已知方差 的值,則可直接構(gòu)造分塊對(duì)角陣 ,簡記為 。直接采用通常的廣義最小二乘法(Generalized Least Squares GLS)可獲得固定系數(shù)的估計(jì):,,在初始階段
29、,假定 為 0 ,即假定數(shù)據(jù)不具有系統(tǒng)結(jié)構(gòu),則給出固定系數(shù)通常的 OLS 估計(jì) ,得到粗殘差:,,將粗殘差向量記為:,,將粗殘差向量形成交叉乘積矩陣 ,然后再形成交叉乘積矩陣 的向量化算子,記為 。相應(yīng)的,也可以形成反應(yīng)變量協(xié)方差陣 向量化算子,記為 。,,,,對(duì)應(yīng)于 2 個(gè)醫(yī)院,一個(gè)診療 3 名患者,另一個(gè)診療 2 名患者,則
30、 和 均具有 32+22=13 個(gè)元素。因?yàn)?的期望為,可將這些向量間關(guān)系表達(dá)為以下線性模型,,,,,,,,=,+R=,+,+R,,,,這里, 為一個(gè)殘差向量。將粗殘差作為模型的反應(yīng)變量向量,模型右邊包含兩個(gè)已知的解釋變量,其系數(shù)即待估計(jì)的隨機(jī)參數(shù) 和 。通過 GLS 方法獲得 和 的估計(jì),回到初始模型則獲得固定系數(shù)新的估計(jì),在
31、隨機(jī)與固定參數(shù)估計(jì)間反復(fù)迭代直至收斂,此即 IGLS 算法的基礎(chǔ)。,1. 重復(fù)測(cè)量數(shù)據(jù)的多水平模型當(dāng)同一研究對(duì)象被重復(fù)測(cè)量多次時(shí),測(cè)量點(diǎn)即為水平 1 單位,測(cè)量點(diǎn)又嵌套(nested)進(jìn)作為水平 2 單位的個(gè)體,這種數(shù)據(jù)結(jié)構(gòu)具有典型的層次結(jié)構(gòu)特征。,多水平模型的應(yīng)用,在臨床試驗(yàn)和動(dòng)物實(shí)驗(yàn)中,常需對(duì)患者或動(dòng)物的某些指標(biāo)進(jìn)行重復(fù)測(cè)量,以了解不同時(shí)間觀測(cè)指標(biāo)的變化以及處理因素與觀測(cè)指標(biāo)的相互關(guān)系;在生長發(fā)育研究中,也需對(duì)個(gè)體生長或發(fā)育指標(biāo)
32、作多時(shí)點(diǎn)的重復(fù)測(cè)量。,常規(guī)使用的重復(fù)測(cè)量數(shù)據(jù)統(tǒng)計(jì)方法,一般要求資料是平衡的,即每一個(gè)體有相同次數(shù)的重復(fù)測(cè)量值,這對(duì)于實(shí)驗(yàn)研究是可行的,但在生長發(fā)育研究中,測(cè)量常常是不規(guī)則的,這就出現(xiàn)了個(gè)體測(cè)量時(shí)點(diǎn)多少不一、時(shí)間間隔不等以及觀測(cè)值缺失等問題,它增加了傳統(tǒng)統(tǒng)計(jì)方法擬合個(gè)體生長曲線的難度,并引起估計(jì)結(jié)果不同程度的偏差。,多水平模型技術(shù)可有效和方便地處理此類測(cè)量模式的數(shù)據(jù),提供統(tǒng)計(jì)上有效的參數(shù)估計(jì),并具有如下幾個(gè)特點(diǎn):,(1) 考慮了分布于不同
33、的層次重復(fù)測(cè)量誤差,并給出相應(yīng)的誤差估計(jì)值;(2) 擬合個(gè)體生長曲線時(shí)不要求相等的時(shí)間間隔,在擬合個(gè)體生長曲線的同時(shí)也估計(jì)全部樣本的平均曲線;,(3) 不要求每個(gè)個(gè)體都有同樣多的測(cè)量點(diǎn),即缺失測(cè)量點(diǎn)并不增加擬合生長曲線的難度;(4) 便于在生長曲線中引入其它解釋變量,如性別、營養(yǎng)狀況和地區(qū)等,分析其對(duì)生長過程的影響。,2. Meta分析是指對(duì)具有相同研究假設(shè)的多項(xiàng)獨(dú)立研究結(jié)果所進(jìn)行的合并分析,在合并不同來源的研究資料時(shí)可能引入異
34、雜方差(heterogeneous variance),因此,其數(shù)據(jù)可看成具有兩個(gè)水平的層次結(jié)構(gòu),即研究水平與觀察對(duì)象水平。,Meta分析的主要目的是為了得到比單一研究更精確的結(jié)果估計(jì),進(jìn)一步的目的則是分析影響研究結(jié)果間差異的因素。目前,Meta分析主要根據(jù)研究的“效應(yīng)尺度”的齊性檢驗(yàn)結(jié)果,而決定采用固定效應(yīng)模型或隨機(jī)效應(yīng)模型來合并每項(xiàng)研究的“效應(yīng)尺度”。采用多水平模型可較為方便地分析影響研究結(jié)果間差異的因素如研究水平上的有關(guān)協(xié)變量包
35、括樣本含量、設(shè)計(jì)類型等。,3. 離散數(shù)據(jù)的多水平模型 在流行病學(xué)現(xiàn)場(chǎng)調(diào)查研究中,流行病學(xué)家常對(duì)發(fā)病率、患病率或死亡率以及它們?cè)诘貐^(qū)之間的變異感興趣。這里的兩水平結(jié)構(gòu)是,個(gè)體為水平 1,地區(qū)為水平 2。,此類研究常常擁有若干地區(qū)某時(shí)期的死亡記錄和死者個(gè)人特征以及地區(qū)特征如人口構(gòu)成或社會(huì)經(jīng)濟(jì)特征等。研究者可以分析這些解釋變量是否能夠解釋死亡率在地區(qū)之間的變異,也可以分析死亡率的差別(比如男性和女性之間)是否在地區(qū)之間不同等
36、。,如一項(xiàng)有關(guān)孕婦死亡率與孕婦吸煙關(guān)系的研究。首先,孕婦可能嵌套在不同的醫(yī)療機(jī)構(gòu)和社區(qū)中,社區(qū)和醫(yī)療機(jī)構(gòu)的特征可能影響死亡率以及死亡率與吸煙之間的聯(lián)系;其次,如果能夠獲得有關(guān)孕婦吸煙的一系列測(cè)量,可采用重復(fù)測(cè)量兩水平模型,研究吸煙的改變?cè)鯓佑绊懙剿劳雎实母淖?,以及更詳?xì)地探討它們之間可能的因果聯(lián)系。,4. 多變量多水平模型:在醫(yī)學(xué)研究中,研究者常對(duì)個(gè)體作幾種測(cè)量(即測(cè)量幾個(gè)指標(biāo)),如收縮壓、舒張壓和心率,如果將它們作為反應(yīng)變量一起進(jìn)行
37、分析,就可以設(shè)置多變量模型,分析解釋變量諸如年齡、性別、是否鍛煉、是否吸煙等與這三個(gè)反應(yīng)變量的關(guān)系。此時(shí),是將其作為一個(gè)兩水平模型,每一個(gè)體作為一個(gè)水平2單位,3種測(cè)量組成水平1單位。,5. 混合反應(yīng)變量多水平模型例如,測(cè)定人們的吸煙行為,可以測(cè)量某人是否吸煙以及吸煙程度如何,我們可將其考慮為一個(gè)混合雙變量模型,將有關(guān)吸煙的影響因素作為模型中的解釋變量進(jìn)行分析。,多水平分析的主要優(yōu)點(diǎn):,1. 獲得回歸系數(shù)及其標(biāo)準(zhǔn)誤的有效估計(jì);,2.
38、 可在模型固定或隨機(jī)部分引入任何水平上所測(cè)量的協(xié)變量,能夠探討各水平單位的特征對(duì)反應(yīng)變量的影響,以及對(duì)反應(yīng)變量在高水平單位甚至是低水平單位之間變異的影響,即這些特征是否可以解釋這些變異;,3. 在調(diào)整了低水平單位甚至高水平單位的各種特征后,可對(duì)高水平單位的殘差估計(jì)進(jìn)行排序和比較,用于識(shí)別極端的高水平單位。 例如,比較若干醫(yī)院某病治愈率的高低,在調(diào)整了患者、醫(yī)護(hù)人員的各種特征之后,通過對(duì)醫(yī)院水平殘差估計(jì)的考
39、察,可以發(fā)現(xiàn)某些高度不典型的醫(yī)院。,若將其選出作進(jìn)一步深入的個(gè)案調(diào)查,則形成定量的多水平分析和定性調(diào)查相結(jié)合的研究,有助于探討更詳細(xì)的因果機(jī)制。這是多水平分析的另一個(gè)重要特點(diǎn)。,應(yīng)用前景,自然界與人類社會(huì)廣泛存在著層次結(jié)構(gòu)現(xiàn)象,生物系統(tǒng)具有自然的等級(jí)或組群結(jié)構(gòu),人類社會(huì)被組織成高度復(fù)雜的系統(tǒng)結(jié)構(gòu)。,醫(yī)學(xué)和公共衛(wèi)生領(lǐng)域研究的一個(gè)重要方面是探索疾病發(fā)生、發(fā)展及其變化的規(guī)律性。疾病總是在某種特定的環(huán)境中產(chǎn)生和發(fā)展的,即個(gè)體的結(jié)局是由個(gè)體和所在
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 電腦基礎(chǔ)知識(shí)入門
- 電腦鍵盤基礎(chǔ)知識(shí)
- 電腦基礎(chǔ)知識(shí)20045
- 電腦基礎(chǔ)知識(shí)試題
- pcb基礎(chǔ)知識(shí)簡介
- 學(xué)習(xí)電腦的基礎(chǔ)知識(shí)
- 電腦制作表格基礎(chǔ)知識(shí)
- 電腦硬件基礎(chǔ)知識(shí)
- 電腦硬件基礎(chǔ)知識(shí)
- 電腦基礎(chǔ)知識(shí)學(xué)習(xí)(全)
- 中醫(yī)基礎(chǔ)知識(shí)簡介精髓
- 1、電腦開機(jī)關(guān)機(jī)--電腦基礎(chǔ)知識(shí)
- [電腦基礎(chǔ)知識(shí)]數(shù)據(jù)庫
- 定向增發(fā)基礎(chǔ)知識(shí)簡介
- 石墨烯基礎(chǔ)知識(shí)簡介
- 電腦基礎(chǔ)知識(shí)試題及答案
- 電腦基礎(chǔ)知識(shí)入門教程
- 電腦硬件維護(hù)基礎(chǔ)知識(shí)
- 電腦硬件基礎(chǔ)知識(shí)分享
- [電腦基礎(chǔ)知識(shí)]電腦常見故障5—9
評(píng)論
0/150
提交評(píng)論