HLM嵌套数据

关键词： 自主招生； 校本成绩； 多层线性模型 中图分类号： G642． 475 文献标识码： A 文章编号： 1001 － 4519（ 2016） 01 － 0093 － 06 DOI： 10． 14138 / j． 1001 － 4519． 2016． 01． 009306
一、校本成绩的价值及其使用困境
Level 2： β0 = γ00 + μ0 Model 1： Level 1： ZYij = β0 + β1 ZXij + rij
Level 2： β0 = γ00 + μ0 β1 = γ10 Model 2： Level 1： ZYij = β0 + β1 ZXij + rij Level 2： β0 = γ00 + γ01 ZSi + μ0 β1 = γ10 同样，其中，ZYij为学生统一考试成绩在整个样本中 Z 分数，ZXij 为学生标本成绩在自己学校内的 Z 分数，ZSi 为学校统一考试平均成绩在各个学校统一考试平均成绩中的 Z 分数。
2010，（ 2） ： 80． ②T． Crooks，“The Validity of Formative Assessments，”British Educational Ｒesearch Association Annual Conference，Univer-
sity of Leeds，September 13 － 15，2001．
长期以来，高考发挥的社会筛选功能已经使得其对高中教学产生了强有力的统摄作用，对此，教育领 域多年前就有一个形象的描述，即“考什么、教什么、学什么”。迫于各种外部压力，教学中出现大量的 “教学内容筛选”现象，更为普遍的是，“为了提高高考升学率，学校所采取的系统策略三围绕高考考试内 容和分值对知识、教师和学生不断分类并进行应试规训”① ，很多中学往往会根据各知识点在高考中的重 要程度来对其进行主观排序，据此分配师资、教学时间，并建立相应的奖励机制，所谓“多考多教，少考少 教，不考不教”。有些中学还刻意调整学科教学的顺序，“考多早教，考少晚教”，人为打破了学科知识的 内在逻辑体系。可以看出，在微观的学科教学层面，考试大纲和考试说明的引领和导向作用要比课程标 准大得多，在一些地方甚至有全面取代之势。另外，由于在考试时间、考试方式、题量、区分度要求等方面 限制，高考对知识的考查不得不呈现出抽样的特征，而对一些重要知识内容的考查只能是无暇顾及，这客 观上也为中学的“应试教学”提供了可能。

多层线性模型与HLM软件应用概述
多层线性模型（Hierarchical Linear Model, HLM）是一种多层次的
数据分析方法，可以用于处理分层结构的数据，如学生嵌套在班级中，班
级嵌套在学校中等。

HLM软件是用于实施多层线性模型分析的统计软件，
其中常用的有HLM7、HLM6和MLwiN等。

HLM软件是专门用于多层线性模型分析的工具，主要有以下几个常见
的应用：
1.教育研究：HLM软件可以用于教育研究中的学校和班级层次的分析。

例如，可以通过学生嵌套在班级和学校中，分析学校和班级对学生成绩的
影响，从而得出不同层次间的差异。

2.医学研究：HLM软件可以用于医学研究中的多层次数据分析。

例如，可以分析患者嵌套在医院和地区中，探究医院和地区对患者健康指标的影响。

3.组织行为研究：HLM软件可以应用于组织行为研究中的多层次数据
分析。

例如，可以分析员工嵌套在团队和组织中，探究团队和组织特征对
员工绩效的影响。

4.社会科学研究：HLM软件可以用于社会科学研究中的多层次数据分析，如家庭、社区和城市等不同层次的分析。

例如，可以分析个体嵌套在
家庭和社区中，研究家庭和社区对个体幸福感的影响。

总之，多层线性模型和HLM软件可以用于处理分层结构的数据，帮助
研究者深入分析不同层次间的差异。

在教育、医学、组织行为和社会科学
等领域具有广泛的应用前景，能够提供更准确和全面的研究结果。

多层线性模型的原理及其运用介绍2009年03月16日星期一 21:28多层线性模型的原理及其运用介绍传统线性模型的基本假设是线性、正态、方差齐性和独立，后两个假设在嵌套的取样中很难成立。

比如在对学校的学生进行的研究中，收集到的变量可以分为一定的层次：首先是学生本身的变量，比如年龄、学习成绩等等；其次是班级的变量，比如班级的人数，男女生的比例、班主任的管理风格等等；再次是学校的变量，比如重点或者非重点，学校所在地等。

这样的数据就构成了一种具有层次的嵌套结构。

传统方法处理这种嵌套数据有几种变通的方法：（1）基于个体水平的分析，即直接把来自不同组的数据进行合并，在个体层次上进行分析，获得对个体整体状况的了解。

这样做的一个不足是放弃了对不同组之间差异的考虑，使得很多本来由分组带来的差异被解释为个体的差异。

（2）基于组水平的分析，即把个体的数据以均数或其它形式带到高一层变量的分析中，仅仅考虑组水平的因素对因变量的影响。

这种做法在一定程度上可以反映组因素的作用，不足之处是放弃了对个体差异的解释——而使得很多结论没有说服力。

多层和嵌套分析的思想由来已久，但在上世纪90年代才发展为系统完整的理论和方法。

分层技术解决了困扰社会科学很久的生态谬误（Ecological Fallacy）。

多层线性模型这一术语最早是由Lindley和Smith于1972年提出，但是由于该模型参数估计的方法较传统的回归方法不同，所以在很长一段时间，它的应用受到了计算技术的限制。

直到1977年，Dempster, Laud和Rubi。

等人提出了EM （Expectation Maximization）算法，1981年，Dempster等人将EM算法应用于解决多层线性模型的参数估计，使得这一方法的应用成为可能。

1983年，Strenio, Weisberg和Bryk等相继将这一方法应用于社会学的研究。

随后，1986年Goldstein应用迭代加权广义最小二乘法(Iteratively Reweighted Generalized Least Squares)估计参数，1987年，Longford应用费歇得分算法( Fisher Scoring Algorithm )对模型参数进行了估计。

▪ Coefficients having a random effect with no corresponding fixed effect
第四十五页，共54页。
二、三层模型
数据是课本第八章
Data input requires a level-1 file (in our illustration a time-series data file), a level-2 file (child-level file), and a level-3 (school level) file
▪ 下载地址：
第六页，共54页。
主要内容
▪ 两层模型 ▪ 三层模型 ▪ 分层广义线性模型（HGLM） ▪ 分层多元线性模型（HMLM） ▪ HLM6的作图功能
第七页，共54页。
一、两层模型
关于ID变量（P17）
▪ 对于ASCII格式的数据，ID变量必须是字符 型，对于其它格式，可以是字符或数值型
▪ The HCM2 module is used for two-level crossclassified random effects models, where lower-level units are cross-classified by two higher-level units.
基本设置
第三十一页，共54页。
层1的残差数据
第三十二页，共54页。
层2的残差数据
第三十三页，共54页。
残差分析
▪ 手册P36~46 ▪ 结合SPSS的描述统计和统计图功能
➢ 层1残差的分析 ➢ 层2残差的分析
第三十四页，共54页。
确实数据的处理（P46~48）
▪ 层1模型