我们只关注于软件的分销和服务

首页
软件分类


 

 


 

 

HLM 分层线性和非线性模型(Hierarchical Linear and Nonlinear Modeling)分析软件

在社会研究和其它领域中,研究的数据通常是分层(hierarchical )结构的.也就是说,单独研究的课题可能会被分类或重新划分到具有不同特性的组中.在这种情况下,个体可以被看成是研究的第一层(level-1)单元,而那些区分开他们的组也就是第二层(level-2)单元.这可以被进一步的延伸,第二层(level-2)的单元也可以被划分到第三层单元中.在这个方面很典型的示例,比如教育学(学生位于第一层,学校位于第二层,学校分布是第三层),又比如社会学(个体在第一层,相邻的个体在第二层).很明显在分析这样的数据时,需要专业的软件.分层线性和非线性模型(也称为多层模型)的建立是被用来研究单个分析中的任意层次间的关系的,而不会在研究中忽略掉分层模型中各个层次间相关的变异性.

Basic订阅购买       Standard订阅购买

HLM程序包能够根据结果变量来产生带说明变量(explanatory variable,利用在每层指定的变量来说明每层的变异性)的线性模型.HLM不仅仅估计每一层的模型系数,也预测与每层的每个采样单元相关的随机因子(random effects).虽然HLM常用在教育学研究领域(该领域中的数据通常具有分层结构),但它也适合用在其它任何具有分层结构数据的领域.这包括纵向分析( longitudinal analysis),在这种情况下,在个体被研究时的重复测量可能是嵌套(nested)的.另外,虽然上面的示例暗示在这个分层结构的任意层次上的成员(除了处于最高层次的)是嵌套(nested)的,HLM同样可以处理成员关系为"交叉(crossed)",而非必须是"嵌套(nested)"的情况,在这种情况下,一个学生在他的整个学习期间可以是多个不同教室里的成员.

HLM程序包可以处理连续,计数,序数和名义结果变量(outcome varible),及假定一个在结果期望值和一系列说明变量(explanatory variable)的线性组合之间的函数关系.这个关系通过合适的关联函数来定义,例如identity关联(连续值结果)或logit关联(二元结果).

HLM 8.2升级版

2021年9月9日 Mathilda du Toit

SSI 很高兴地宣布对 HLM 8.2 进行更新。 该更新包含一个新功能和一个错误修复。 拥有有效 SSI LiveTM HLM 订阅许可证的用户可以通过登录“我的帐户”并下载更新版本来免费获取此更新。

更新列表:

  • 以前,用户只能导入较旧的 Excel 电子表格(*.xls 扩展名)。 导入当前 Excel 电子表格 (*.xlsx) 的选项已添加到程序中。
  • 报告了一些空间模型内存不足的错误。 这已被修复。

宣布发布 HLM 8.2

2021年8月12日 Mathilda du Toit

SSI 很高兴地宣布 HLM 8.2 立即可用。 此更新包含新功能和错误修复。 拥有有效 SSI LiveTMHLM 订阅许可证的用户可以通过登录My Account免费获取此更新。

更新列表:

  • 具有标量 tau 的 2 水平模型的轮廓似然图已添加到程序中。 此新功能适用于所有类型的结果变量。
  • 已解决在交叉嵌套模型中添加交互项的错误。
  • 在非常大的数据集中加权的错误已得到修复。
  • 修正和改进了固定截距随机系数 (FIRC) 模型实现。

HLM 8最新更新

从不完整的数据估计HLM

在 HLM8 中,添加了从不完整数据估计 HLM 的能力。 这是一种完全自动化的方法,可以从不完整的数据中生成和分析多重插补数据集。 该模型是完全多元的,使分析人员能够通过辅助变量加强插补。 这意味着用户指定了 HLM; 该程序会自动搜索数据以发现哪些变量具有缺失值,然后估计一个多元分层线性模型(“插补模型”),其中所有具有缺失值的变量都对所有具有完整数据的变量进行回归。 然后程序使用由此产生的参数估计来生成 M 个插补数据集,然后依次分析每个数据集。 使用“Rubin 规则”组合结果。

固定截距和随机系数的灵活组合

HLM 8 的另一个新功能是固定截距和随机系数 (FIRC) 的灵活组合现在包含在 HLM2、HLM3、HLM4、HCM2、HCM3 和 HLM2 中。

多层次因果研究中可能出现的一个问题是随机效应可能与治疗分配相关。 例如,假设治疗被非随机分配给嵌套在学校内的学生。 如果随机截距与治疗效果相关,则使用随机学校截距估计两级模型将产生偏差。 传统的策略是为学校指定一个固定效应模型。 然而,这种方法假设治疗效果是同质的,可能会导致对平均治疗效果的估计有偏差、标准误差不正确和解释不当。 HLM 8 允许分析师在解决这些问题的模型中将固定截距与随机系数相结合,并促进更丰富的总结,包括对治疗效果变化的估计和特定单位治疗效果的经验贝叶斯估计。 这种方法是在 Bloom、Raudenbush、Weiss 和 Porter (2017) 中提出的。

HLM 8手册

  • HLM 8 手册的印刷版不再提供。
  • HLM 8 手册的 PDF 副本可通过 HLM 8 for Windows 的完整版、租赁版、试用版和学生版的帮助菜单上的 HLM 8 手册选项获得。

 

联系我们

Copyright 2020-2022  上海领岳信息系统集成有限公司