比如Random Effects Models（随机效应模型）一般在经济学领域用的多；
Multilevel models（多层次模型）和随机效应模型其实是一回事，社会学方面用的多，名字不同而已，统计公式差不多。还有个Longitudinal models，这个就是所谓的纵贯模型，和前面两者统计公式完全一样的。
另外还大概介绍了Latent Growth curve models、Fixed Effects models（控制了不变效应的模型）、Multilevel models for binary data、Multilevel models for count data、GEE（General estimating equation）、Robust estimates等。
除了固定效应模型和GEE模型之外，其他七个模型都是随机效应模型。而Latent Growth curve models是结构方程模型中的一种。
然后国光老师用一个包括了学生ID、多个学生多次测量的IQ的数据表和另一个包括了学校ID、学生ID和多个学生各一次测量的IQ的数据表对比说明了纵贯数据也可以看成是一个特殊的多层数据，即对一个学生的多次测量可以将每一次测量看作一层、学生ID看作另一层，这样一个纵贯数据就变成了两层次的数据，但是这会存在一个问题：对同一个学生的多次测量的数据之间会存在一个渐强的相关关系，即对一个学生在86、88、90、92、94、96六年分别测量的IQ值之间，会存在渐强的相关关系，即，86年的IQ值与88年IQ值的相关系数要大于86年的IQ值与88年的IQ值之间的相关系数，因为同一个人的IQ值应该是逐渐变化的，而不是突变，所以时间越接近，相关性越强。而在一般的多层次数据中，比如考虑了学校和学生这两个层次的数据中，数据内部不会存在这样渐强的相关关系。
然后还给我们介绍了一些有用的多层数据模型的学习资料，当时是在机房采用系统广播的方式演示的，演示速度比较快，所以有些都来不及记录，不过我大概记录了几个关键词，可以把这些资料给google出来：
http://www.ats.ucla.edu/stat/examples/alda
http:// www.ats.ucla.edu/STAT/paperexamples/singer/default.htm
以上两个网址可以通过在google中搜索"Judith singer"这个关键词出来的第三项得到。
另外还有Singer的一本书：《 Using SAS PROC MIXED to fit multilevel models》
http://gseweb.harvard.edu/~faculty/singer/
《Applied Longitudinal Data Analysis:》
http:// gseacademic.harvard.edu/alda/
Review of Joop Hox Multilevel Analysis
http:// repositories.cdlib.org/uclastat/papers/2003071401/ Amazon.com: Introducing Multilevel Modeling
http://www.amazon.com/Introducing-Multilevel-Modeling-Statistical-Methods/dp/0761951415 Stata Textbook Examples: Multilevel Analysis: Techniques and
http://www.ats.ucla.edu/stat/stata/examples/mlm_ma_hox/Questioning Multilevel Models - De Leeuw, Kreft (ResearchIndex)
http://citeseer.ist.psu.edu/25804.html另外还学了个stata命令，将多次测量的同一对象的宽数据转换成长数据：
reshape long iq,i(id)
将同一对象多测量的长数据转换成宽数据用：
reshape wide iq,I(id)
--
最新奇有趣的新技术、科幻、社会学信息：
http://www.qixianglu.cn
forcode科幻小说《抽水马桶的秘密》：
http://www.cmfu.com/showbook.asp?Bl_id=60008
没有评论:
发表评论