多层次模式与纵贯资料分析:Mplus 8解析应用

点击数:4 借阅数: 1

作者:邱皓政著

出版社:五南图书

出版年:2017

出版地:台北市

格式:PDF

ISBN:978-957-11-9304-5 ; 957-11-9304-6

内容简介

人类社会的各类组织由个体组成,随着时间递延而产生各种行动,因此社会科学研究无法逃脱「空间」与「时间」两个基本元素。本书基于此一体认,利用多层次模式(MLM)来处理社会科学研究当中的空间与时间嵌套结构,并进一步导入结构方程模式(SEM)来分析多层次与纵贯资料,不仅兼顾两大社会科学新兴典范,也首度采用Mplus 8来进行范例分析,使读者不仅能懂能做,拥有跻身国际学术舞台的量化工具。
 
本书作者长年投入量化方法专书写作,擅长范例分析,笔风平实易懂,体例结构分明,导入高阶观念时循序渐进,讲求实作经验与实例基础。全书分成五篇十五章,第一篇导论,第二篇从回归到多层次模式,第三篇纵贯性多层次模式,第四篇纵贯性结构方程模式,第五篇中介与调节,完整涵盖以回归为基础的高阶方法技术,各章皆有Mplus范例解析,附录提供完整Mplus 8介绍,是入门高阶统计模式的必备用书。

作者简介
 
邱皓政
 
现任:国立台湾师范大学管理学院 教授
国立台湾师范大学校务研究办公室 主任
学历:美国南加州大学心理计量学博士
经历:美国加州大学洛杉矶分校神经医学研究中心 统计分析师
国立台湾师范大学副总务长
天主教辅仁大学心理学系 副教授
世新大学社会心理学系 副教授
教育部训育委员会 专案研究员
台湾统计方法学学会 理事长
中国测验学会 常务理事
台湾心理学会 秘书长
华南师范大学 客座教授
北京中国科学院 访问教授
著作:《量化研究与统计分析》(五南)
《统计学:原理与应用》(五南)
《潜在类别模式:原理与技术》(五南)
《多层次模型分析导论》(译)(五南)
《阶层线性模式》(审订)(五南)
《调查研究方法》(审订)(五南)
《量表编制:理论与应用》(审订)(五南)

  • 第一篇 概说(第27页)
  • 1.1 绪论(第29页)
  • Chapter 1 导论(第29页)
  • 1.1.1 上下嵌套的资料结构(第30页)
  • 1.1.2 从嵌套到阶层关系(第31页)
  • 1.1.3 多层次的回归分析(第33页)
  • 1.2 多层次模式概说(第34页)
  • 1.2.1 MLM 的发展脉络(第34页)
  • 1.2.2 MLM 的原理概述(第36页)
  • 1.3 从多层次纵贯模式到结构方程模式(第38页)
  • 1.3.1 MLM 的纵贯资料分析(第38页)
  • 1.3.2 SEM 的纵贯资料分析(第40页)
  • 1.4 专书与软体(第42页)
  • 2.1 绪论(第47页)
  • 2.2 变数与资料(第47页)
  • 2.2.1 测量尺度与变数(第47页)
  • Chapter 2 变数与资料格式(第47页)
  • 2.2.2 原始资料与虚拟化(第49页)
  • 2.2.3 资料格式(第51页)
  • 2.3 多层次资料格式(第56页)
  • 2.3.1 多层次的嵌套结构(第56页)
  • 2.3.2 多层次嵌套结构范例(第57页)
  • 2.4 纵贯资料格式(第58页)
  • 2.4.1 纵横资料的嵌套结构(第58页)
  • 2.4.2 纵贯数据的资料格式:单变量与多变量(第59页)
  • 2.4.3 变数特性:随时间而变或不变(第62页)
  • 2.5 遗漏值处理(第64页)
  • 2.5.1 遗漏值问题(第64页)
  • 2.5.2 遗漏值处理(第65页)
  • 2.5.3 多重插补的 Mplus 范例(第67页)
  • 第二篇 从回归到多层次模式(第71页)
  • 3.1 前言(第73页)
  • Chapter 3 线性回归原理(第73页)
  • 3.1.1 回归分析(第73页)
  • 3.1.2 变异数分析(第74页)
  • 3.2 变异与共变(第75页)
  • 3.2.1 线性关系的强弱(第75页)
  • 3.2.2 变异数与共变数矩阵(第76页)
  • 3.3.2 回归系数的显著性检定(第78页)
  • 3.3 回归方程式与回归系数(第78页)
  • 3.3.1 回归系数估计数(第78页)
  • 3.3.3 标准化回归系数(第79页)
  • 3.3.4 误差估计(第79页)
  • 3.4 自变数中心化(平减)(第80页)
  • 3.4.1 平减原理(第80页)
  • 3.4.2 平减范例说明(第81页)
  • 3.5 多元回归(第82页)
  • 3.5.1 多元回归方程式(第82页)
  • 3.5.2 多元相关与回归解释力(R2)(第84页)
  • 3.6 多元回归的共线性问题(第86页)
  • 3.6.1 自变数共线性(第86页)
  • 3.6.2 共线性诊断与估计(第88页)
  • 3.7 回归分析的 Mplus 范例(第89页)
  • 3.7.1 简单回归范例(第89页)
  • 3.7.2 多元回归范例(第92页)
  • 4.1 前言(第97页)
  • Chapter 4 多层次回归模式(第97页)
  • 4.2 嵌套资料的特性(第99页)
  • 4.2.1 多重足标的特殊结构(第99页)
  • 4.2.2 统计量的组间与组内分割(第101页)
  • 4.2.3 组内相关系数 ICC(第102页)
  • 4.2.4 共变结构与斜率拆解(第105页)
  • 4.3 阶层线性模式(第108页)
  • 4.3.1 多层次回归方程式(第108页)
  • 4.3.2 随机效果与固定效果(第110页)
  • 4.4.2 平减对固定效果的影响(第112页)
  • 4.4 多层次模式的变数平减(第112页)
  • 4.4.1 平减原理(第112页)
  • 4.4.3 平减对随机效果的影响(第113页)
  • 4.4.4 组平减后组平均数置回问题(第114页)
  • 4.4.5 平减策略的实征资料比较(第115页)
  • 4.5 多层次模式的 Mplus 范例(第118页)
  • 4.5.1 多层次模式的 Mplus 图示法(第118页)
  • 4.5.2 多层次模式的 Mplus 语法(第119页)
  • 4.5.3 多层次模式的 Mplus 分析结果(第120页)
  • 5.1 前言(第125页)
  • Chapter 5 MLM 模式发展与评估(第125页)
  • 5.1.1 MLM 的变数(第125页)
  • 5.1.2 MLM 的参数(第127页)
  • 5.2 MLM 的模式设定(第128页)
  • 5.2.1 随机效果变异数分析模型(零模型)(第129页)
  • 5.2.2 随机效果共变数分析模型(第130页)
  • 5.2.3 随机系数模型(第131页)
  • 5.2.4 截距结果模型(第132页)
  • 5.2.5 斜率结果模型(第133页)
  • 5.2.6 截距与斜率结果模型(第134页)
  • 5.2.7 随机效果估计与否对固定效果的影响(第138页)
  • 5.3 解释变异与模式适配(第140页)
  • 5.3.1 多层次模式解释力(第140页)
  • 5.3.2 对数概似值(–2LL)与估计法的比较(第143页)
  • 5.3.3 模式适配差异检定(第145页)
  • 5.3.4 讯息指标(AIC 与 BIC)(第149页)
  • 5.4 MLM 模式发展的 Mplus 范例(第151页)
  • 5.4.1 样本统计量(第151页)
  • 5.4.2 Mplus 的模式设定(第152页)
  • 5.4.3 Mplus 的估计结果(第154页)
  • 附录:本章第 5.4 节之 Mplus 范例语法(第157页)
  • 6.1 前言(第161页)
  • Chapter 6 脉络分析与交叉嵌套模式(第161页)
  • 6.2 脉络变数与脉络模型(第162页)
  • 6.2.1 脉络变数与脉络效果(第163页)
  • 6.2.2 ICC ( 1 )、ICC ( 2 ) 与 rwg(第164页)
  • 6.2.3 脉络效果的估计(第167页)
  • 6.2.4 脉络变数置入斜率方程式(第169页)
  • 6.3 脉络分析的 Mplus 示范(第170页)
  • 6.3.1 脉络模型的定义(第170页)
  • 6.3.2 截距脉络效果模型(第171页)
  • 6.3.3 斜率调节脉络效果模型(第173页)
  • 6.4 交叉嵌套的 MLM 分析(第176页)
  • 6.4.1 交叉嵌套的资料结构(第176页)
  • 6.4.2 交叉嵌套回归方程式(第177页)
  • 6.5 交叉嵌套模式的 Mplus 范例(第180页)
  • 6.5.1 零模型(第180页)
  • 6.5.2 扩展模型(第183页)
  • 6.5.3 脉络效果模型(第186页)
  • 第三篇 纵贯性多层次模式(第191页)
  • 7.1 前言(第193页)
  • Chapter 7 多层次纵贯模式(第193页)
  • 7.2 纵贯资料的特性与状态(第194页)
  • 7.2.1 变数编码与量尺特性(第194页)
  • 7.2.2 轨迹检视与视觉化(第197页)
  • 7.2.3 轨迹图示原则(第198页)
  • 7.3 线性成长模型(第200页)
  • 7.3.1 线性成长模型的模式设定(第200页)
  • 7.3.2 线性成长模型的实例说明(第202页)
  • 7.3.3 带有共变项的线性成长模型(第207页)
  • 7.4 二次成长模型(第208页)
  • 7.4.1 二次成长模型的模式设定(第208页)
  • 7.4.2 β10 与 β20 的对应关系(第209页)
  • 7.4.3 反曲点的外显性(第210页)
  • 7.4.4 二次曲线模型的实例说明(第211页)
  • 7.5 多层次纵贯模式的 Mplus 范例(第213页)
  • 7.5.1 带有共变项的线性成长模型范例(第213页)
  • 7.5.2 二次成长模型范例(第217页)
  • 8.1 前言(第223页)
  • Chapter 8 纵贯脉络模式与 APC 分析(第223页)
  • 8.2 时序资料的平移与定锚(第224页)
  • 8.2.1 层一自变数的平移策略(第224页)
  • 8.2.2 不同定锚的影响(第226页)
  • 8.2.3 不同定锚在二次曲线上的影响(第228页)
  • 8.2.4 不同定锚的实例分析(第229页)
  • 8.3 纵贯资料的脉络分析(第233页)
  • 8.3.1 脉络效果的意义(第233页)
  • 8.3.2 脉络分析的 Mplus 范例(第234页)
  • 8.4 APC 模式(第239页)
  • 8.4.1 时序中的年龄、世代与时代(第239页)
  • 8.4.2 APC 资料格式(第241页)
  • 8.4.3 多波段横断设计的 CCREM 分析(第243页)
  • 8.4.4 多波段纵贯设计的 MAPC 分析(第249页)
  • 第四篇 纵贯性结构方程模式(第259页)
  • 9.1 前言(第261页)
  • Chapter 9 潜在成长模式(第261页)
  • 9.2 SEM 的基本原理(第262页)
  • 9.2.1 测量模型(第262页)
  • 9.2.2 结构模型(第264页)
  • 9.2.3 SEM 的模式适配评鉴(第266页)
  • 9.3 LGM 的基本原理(第270页)
  • 9.3.1 单因子 LGM(第270页)
  • 9.3.2 单因子 LGM 模式范例(第271页)
  • 9.3.3 二因子 LGM 模式(第274页)
  • 9.3.4 二因子 LGM 模式范例(第275页)
  • 9.4 非线性 LGM 模式(第278页)
  • 9.4.1 三因子 LGM 模式(第278页)
  • 9.4.2 三因子 LGM 模式范例(第279页)
  • 9.4.3 四因子 LGM 模式(第281页)
  • 9.4.4 四因子 LGM 模式范例(第282页)
  • 9.5 无指定轨迹模式(第284页)
  • 9.5.1 无指定轨迹模式的原理(第284页)
  • 9.5.2 无指定型态模式范例(第287页)
  • 9.6 纳入共变项的 LGM 分析(第291页)
  • 9.6.2 随时间而变的共变数(第292页)
  • 9.6.1 不随时间而变的共变数(第292页)
  • 9.6.3 带共变项的 LGM 范例(第294页)
  • 10.1 前言(第299页)
  • Chapter 10 潜在成长模式设定议题(第299页)
  • 10.2 因素负荷的编码(第300页)
  • 10.2.1 测量模式中的因素负荷量(第300页)
  • 10.2.2 二因子 LGM 的编码模式(第301页)
  • 10.2.3 三因子以上的 LGM 轨迹编码(第303页)
  • 10.2.4 编码模式的选择(第306页)
  • 10.2.5 不同编码模式的分析范例(第307页)
  • 10.3 LGM 的平均数结构(第309页)
  • 10.3.1 平均数结构的特性(第309页)
  • 10.3.2 平均数结构的估计(第310页)
  • 10.4 误差共变结构(第313页)
  • 10.4.1 误差结构与残差估计(第313页)
  • 10.4.2 误差结构设定(第314页)
  • 10.4.3 范例资料说明(第316页)
  • 10.5.2 LGM 轨迹的固定与随机设定(第319页)
  • 10.5 固定与随机轨迹(第319页)
  • 10.5.1 成长轨迹的固定与随机性(第319页)
  • 10.5.3 固定与随机设定的比较范例(第320页)
  • 10.6.1 轨迹的连续与分段(第327页)
  • 10.6 连续与逐段轨迹(第327页)
  • 10.6.2 逐段成长模式的模式设定(第328页)
  • 10.6.3 逐段成长模式的分析范例(第330页)
  • 11.1 前言(第337页)
  • Chapter 11 自我回归与状态变动模式(第337页)
  • 11.2.1 自我相关(第338页)
  • 11.2 自我回归与交叉延宕(第338页)
  • 11.2.2 自我回归(第339页)
  • 11.2.3 交叉延宕模式(第341页)
  • 11.2.4 分析范例(第343页)
  • 11.3.1 纵贯测量模型(第347页)
  • 11.3 纵贯测量模型与变异模式(第347页)
  • 11.3.2 潜在状态与特质模式(第352页)
  • 11.3.3 分析范例(第355页)
  • 11.4.1 潜在自我回归模型(第362页)
  • 11.4 潜在自我回归与交叉延宕(第362页)
  • 11.4.2 潜在交叉延宕模型(第363页)
  • 第五篇 中介与调节(第365页)
  • 12.1.1 从相关到因果(第367页)
  • 12.1 前言(第367页)
  • Chapter 12 中介与调节效果分析(第367页)
  • 12.1.2 x、y、z 的三角关系(第368页)
  • 12.1.3 三角关系的回归方程式(第370页)
  • 12.2.1 中介效果的定义与估计(第371页)
  • 12.2 中介效果(第371页)
  • 12.2.2 间接效果的显著性检定(第373页)
  • 12.2.3 拔靴标准误的检定方法(第374页)
  • 12.2.4 贝氏标准误的检定方法(第374页)
  • 12.2.5 中介效果分析范例(第377页)
  • 12.2.6 多重中介模型范例(第383页)
  • 12.3 调节效果(第386页)
  • 12.3.1 调节效果的定义与估计(第386页)
  • 12.3.2 调节效果的解释策略(第387页)
  • 12.3.3 调节效果的分析与检定(第391页)
  • 12.3.4 类别化调节效果分析范例(第393页)
  • 12.3.5 连续性调节效果分析范例(第396页)
  • 12.4 调节式中介与中介式调节(第400页)
  • 12.4.1 调节式中介(MoMe)(第401页)
  • 12.4.2 中介式调节(MeMo)(第402页)
  • 12.4.3 调节式中介范例(第404页)
  • 12.4.4 中介式调节分析范例(第408页)
  • 13.1 前言(第413页)
  • Chapter 13 多层次中介与调节(第413页)
  • 13.2 多层次中介效果(MLMe)(第414页)
  • 13.2.1 多层次中介效果的概念(第414页)
  • 13.2.2 多层次中介效果的分析程序(第416页)
  • 13.2.3 并效与分效模型(第418页)
  • 13.3 多层次中介效果 MLM 取向分析(第420页)
  • 13.3.1 2-1-1 并效模型分析程序(第421页)
  • 13.3.2 2-1-1 分效模型分析程序(第424页)
  • 13.3.3 2-2-1 模型分析程序(第427页)
  • 13.3.4 1-1-1 模型分析程序(第428页)
  • 13.4 MSEM 多层次中介效果分析(第433页)
  • 13.4.1 为何舍 MLM 而就 SEM?(第433页)
  • 13.4.2 MSEM 的基本原理(第434页)
  • 13.4.3 MSEM 的脉络变数(第436页)
  • 13.4.4 MSEM 的多层次中介模型(第438页)
  • 13.4.5 MSEM 的多层次中介模型分析范例(第441页)
  • 13.5 多层次调节效果(MLMo)(第447页)
  • 13.5.1 从单层到多层次调节(第447页)
  • 13.5.2 调节效果模型的一般定义(第450页)
  • 13.5.3 跨层次调节效果(第450页)
  • 13.5.4 多层次单层调节效果(第453页)
  • 13.5.5 从单一到多重调节变数(第453页)
  • 13.6.1 MLMo 的分析原理(第455页)
  • 13.6 多层次调节效果的分析策略(第455页)
  • 13.6.2 MLM 取向的 MLMo 分析(第456页)
  • 13.6.3 MSEM 取向的 MLMo 分析(第457页)
  • 13.6.4 MLMo 的分析范例(第458页)
  • 14.1 前言(第467页)
  • Chapter 14 纵贯式中介与调节(第467页)
  • 14.2 纵贯式中介效果(第468页)
  • 14.2.1 纵贯中介九宫格(第468页)
  • 14.2.2 稳态与定态(第470页)
  • 14.2.3 测量时机(第471页)
  • 14.2.4 落后期数(第471页)
  • 14.2.5 潜在纵贯中介效果(第474页)
  • 14.3 ARMe 的模式设定与分析程序(第475页)
  • 14.3.1 ARMe 的模式设定(第475页)
  • 14.3.2 ARMe 的 Mplus 分析范例(第479页)
  • 14.4 纵贯式调节效果(第491页)
  • 14.4.1 纵贯式调节分析的模式设定(第491页)
  • 14.4.2 纵贯式调节中介分析的模式设定(第493页)
  • 14.4.3 纵贯式调节的 Mplus 分析范例(第494页)
  • 14.5.2 PLGM 模型设定(第501页)
  • 14.5 潜在成长曲线中介分析(第501页)
  • 14.5.1 稳态还是动态(第501页)
  • 14.5.3 平行轨迹的测量模型(第502页)
  • 14.5.4 平行轨迹的结构模型(第503页)
  • 14.5.5 PLGM 的 Mplus 分析范例(第504页)
  • 15.1 典范深化或革命?(第515页)
  • 15.1.1 断裂革命或渐进创新(第515页)
  • Chapter 15 结语:统计的宁静革命(第515页)
  • 15.1.2 科学魔术或实用主义(第517页)
  • 15.2 测量、统计与统计方法学(第518页)
  • 15.2.1 测量与统计(第518页)
  • 15.2.2 统计方法学(第519页)
  • 15.3 结论(第521页)
  • 参考文献(第523页)
  • 附录 A:Mplus 简介与语法功能(第545页)
  • 附录 B:参数符号(第569页)
  • 中文索引(第571页)
  • 英文索引(第581页)