潛在多層次模式與相關議題

Latent Multilevel Models and Related Issues

溫福星(Fur-Hsing Wen)

《αβγ量化研究學刊》 2卷1期 (2008/12) Pp. 37-68

摘要

在許多社會科學的研究中，特別是在教育與組織管理中，所研究的單位牽涉到學生內屬於班級、學校、或是團隊內屬於組織中，這樣的資料蒐集來源往往是透過兩階段的集群抽樣而來，因此所衍生的資料就具有階層結構的問題。在階層線性模式或是多層次分析中，我們欲研究的是高層解釋變項與低層解釋變項對低層依變項的影響，其模型的設計中有隨機截距與隨機斜率模型之分。同樣的在結構方程模式中，如果我們是以簡單隨機抽樣抽取樣本，進行結構方程模式的分析，則分析的層次就只有單一層次的結構方程模式。如果當我們的資料是具有階層結構時，則所蒐集的資料就有鑲嵌、巢套的特性，此時可以進一步將樣本資料根據階層關係區分爲總體層次組問資料與個體層次組內資料，這樣的資料分割會得到獨立的兩個變異數共變數結構矩陣。此時，在單一層次的結構方程模式就可以應用在這兩層的共變數結構矩陣，根據同樣的因素分析原理，建構屬於組間的結構方程模式與組內的結構方程模式，這就是所謂的多層次結構方程模式。本文主要介紹相關的潛在多層次模型，除上述結構方程模式外，亦探討屬於二分變項的多層次潛在類別分析，最後提出相關議題的看法。

關鍵字

多層次模式 ； 多層次驗證性因素分析 ； 多層次結構方程模式 ； 階層線性模式 ； 多層次潛在類別分析

並列摘要

Data collected from the nested or hierarchical data structure usually violated the independently identically distributed assumption in the regression analysis and SEM. The results from the conventional statistical methids lead to biased estimates of the standard errors and conclude the problemic inference. Multilevel modeling or hierarchical linear modeling now can be applied for correct and effective analysis of complicated data structure including nested design, cluster sampling, repeated measure, and non-continuous outcome variables.This study attempts to summarize the multilevel statistical techniques of latent variables including multilevel regression, multilevel path analysis, multilevel CFA, multilevel SEM, and Multilevel LCA and provide the clear introduction to them. Implications for future research and practice are discussed.

並列關鍵字

Multilevel modeling ； Multilevel CFA ； Multilevel SEM ； Multilevel LCA