在社会科学中,包括教育、心理等学科,很多研究问题都体现为多水平、多层次的数据结构。如学生嵌套于班级、而班级又嵌套于学校。
对于第一层的个体数据和第二层的班级或部门数据,我们可以分别提出一系列研究问题。但是传统的线性模型如ANOVA或回归分析,只能对涉及一层数据的问题进行分析,却不能将涉及两层或多层数据的问题进行综合分析。
但是在复杂多元社会科学研究中, 更为重要和令人感兴趣的正是关于个体层面的变量和高一级的组织层面的变量之间的交互作用问题。如学生的成绩好坏会受到个体变量影响如智力、努力程度和性格等,也会受到班级学习氛围等组织变量的影响,那么个体变量和组织变量是如何交织在一起影响学生成绩的呢?这其实是更重要更有意义的研究问题,也是顶尖CSSCI/SSCI期刊更加青睐的研究设计。
但处理多层数据时常常会犯的致命错误!
很多人可能会质疑,自己或别人都是这么做研究的,把各种层次的变量都集中到一起分析处理。那是因为你不知道这样处理多层结构数据会犯两种错误,而这两种错误往往是阻碍你在顶级期刊上发文的致命原因。
***错误一:较高层变量分解到个体变量!!!
老师、班级和学校的特征被赋予给个体,并且在个体水平上进行分析。这种方法的错误在于同一班级的学生彼此之间不独立,受到同样的教学风格、教学方法等影响,违背了经典统计技术基础——观察之独立性,样本之间不完全独立,不能推断总体。
***错误二:个体变量集中到较高层变量!!!
学生特征集中到不同班级上,并对班级进行分析。这种方法错误在于我们丢弃了组内信息,浪费了宝贵的个体信息。
这两类文章如果直接投稿到国际期刊,会被直接一票否决。
那么为了解决以上问题,今天为大家推出HLM多层线性模型,是一种破解多层数据的秘密武器!
【多层线性模型(Hierarchical Linear Models, HLM)】就是针对经典统计技术在处理具有多层结构的数据时所存在的局限,以及可能产生的对分析结果曲解应用而生的,是一个同时考虑总体和个体完整的分析方法,针对不同层次的变量采取独立分析的做法,以确切得到更正确的估计值。HLM不仅能破解多层数据结构的难题,更是社会科学领域SSCI期刊采用的主流统计方法。
目前国内使用HLM进行研究还处于起步阶段,知网CSSCI期刊近五年采用HLM模型写作的论文仅百篇,年均发表量仅20余篇。如果能够掌握HLM,意味着你将抢占CSSCI期刊的制高点,并进入国际主流出版期刊。聪明的人不该耗尽一生去攻破他人早已重兵布阵的城池,而是及时开发新的疆土,成为另一个霸主!

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>