HLM 6

張貼者:2010年9月7日 上午7:30未知的使用者   [ service orderble 已於 2012年8月8日 上午3:34 更新 ]


在社會研究和其它領域中,研究的數據通常是分層(hierarchical )結構的.也就是說,單獨研究的課題可能會被分類或重新劃分到具有不同特性的組中.在這種情況下,個體可以被看成是研究的第一層(level-1)單元,而那些區分開他們的組也就是第二層(level-2)單元.這可以被進一步的延伸,第二層(level- 2)的單元也可以被劃分到第三層單元中.在這個方面很典型的示例,比如教育學(學生位於第一層,學校位於第二層,學校分佈是第三層),又比如社會學(個體在第一層,相鄰的個體在第二層).很明顯在分析這樣的數據時,需要專業的軟件.分層線性和非線性模型(也稱為多層模型)的建立是被用來研究單個分析中的任意層次間的關係的,而不會在研究中忽略掉分層模型中各個層次間相關的變異性






---
開發商: Scientific Software International, Inc
原廠網址: http://www.ssicentral.com/hlm/
更新日期:2011/05/25
採購正式版、大量授權報價、技術支援、軟體諮詢、委託採購、詢問報價請來電 02-29299388 分機16 , 
來信service@orderble.com,或點我
-----------------------------------------------------------------------------

HLM程序包能夠根據結果變量來產生帶說明變量(explanatory variable,利用在每層指定的變量來說明每層的變異性)的線性模型.HLM不僅僅估計每一層的模型係數,也預測與每層的每個採樣單元相關的隨機因子(random effects).雖然HLM常用在教育學研究領域(該領域中的數據通常具有分層結構),但它也適合用在其它任何具有分層結構數據的領域.這包括縱向分析( longitudinal analysis),在這種情況下,在個體被研究時的重複測量可能是嵌套(nested)的.另外,雖然上面的示例暗示在這個分層結構的任意層次上的成員(除了處於最高層次的)是嵌套(nested)的,HLM同樣可以處理成員關係為"交叉(crossed)",而非必須是"嵌套(nested)"的情況,在這種情況下,一個學生在他的整個學習期間可以是多個不同教室裡的成員。

HLM程序包可以處理連續,計數,序數和名義結果變量(outcome varible),及假定一個在結果期望值和一系列說明變量(explanatory variable)的線性組合之間的函數關係.這個關係通過合適的關聯函數來定義,例如identity關聯(連續值結果)或logit關聯(二元結果). 
New in HLM 6 
HLM 6大大的擴展了可以被評估的分層模型的範圍.它同樣提供了比先前版本更大的便利.下面是有關關鍵新特徵和選項的綜述. 
數據的新的圖形顯示技術 
大大擴展了擬合模型的圖形能力 
在分層或混合模型中顯示帶或不帶下標的模型等式-方便保存發表.詳細地呈現分佈假設和關聯函數(link function) 
帶有便利Windows界面的適用於線性模型和非線性關聯函數(link function)處理的交叉分類(Cross-classified)隨機因子模型 
在二層分層的廣義線性模型(HGLM)中的帶EM演算法的適用於穩定收斂(stable convergence)和精確評估的高階Laplace近似值 
針對3層數據的多項式和序數模型 
方便地從多種其它的軟件包中導入數據,包括最新版本的SAS,SPSS和STATA等 
Residual文件能夠直接保存成SPSS(*.sav)或STATA(*.dta)格式文件 
基於MDM文件格式進行分析,替換掉先前的極不靈活的SSM文件格式
Comments