階層線性模型（Hierarchical Linear Modeling, HLM）在近三年由邱皓政等老師組成的台灣統計方法學學會的推動之下，繼結構方程模式（Structural Equation Modeling, SEM）早已普遍使用，已開始燃起一股燎原之勢席捲整個學術圈。
HLM其實有很多種名稱，在生物統計領域習慣稱作線性混合模式（Linear Mixed Model, LMM），在應用統計領域則常稱為多層次模型或多層次迴歸（Multilevel Model / Multilevel Regression)，但不管如何稱呼它，其背後的原理大致是差不多的。
在我諮詢過的HLM案例裡，主要分成兩大類，第一類為資料為「階層性」的性質，第二類資料則為「重複測量」的研究，又以第一種使用為大宗，因此以下針對第一種作簡介說明。
以一般「階層性」的資料來說，舉教育領域的研究為例，通常使用的是集群抽樣（Cluster sampling），例如以學校為抽樣的單位，檢視城鄉差距對高職學生四技二專指考學業成就的影響，此時學生是巢套或鑲嵌（nested）在學校之下；或是組織或人資的研究也常常以不同公司的員工填答問卷資料，此時員工也是巢套在公司之下。而這以傳統的統計方法（例如複迴歸或ANOVA）處理這種階層性資料會存在一些問題，傳統的迴歸最重要的一個假設就是「獨立性」假設，亦即每個受訪者的反應變數（依變項）是互相獨立的，但是同一間學校的學生的特質理論上應該會比較相似，而來自相同公司的一群員工也應該具有比較相似的特質，此時若使用傳統迴歸則可能會導致錯誤的推論效果，簡單來說即傳統的迴歸無法處理「互依性」的資料。此時使用HLM則可以考慮每一個總體層次單位（學校、公司）之下的個體層次單位（學生、員工）互為相依的事實。
除此之外，HLM還可以估計總體層次變項對於個體層次依變項的影響，舉組織氣氛研究來說，如果有一家公司的組織氣氛非常良好，可能會正向增強員工的工作效能，但我們是如何測量一家公司的組織氣氛呢？通常我們會以這家公司所有員工的組織氣氛作總平均當成公司組織氣氛，因此可能影響員工的工作效能的除了員工個人認為的組織氣氛（個體影響），也有可能是這家公司的平均組織氣氛（總體影響）。
HLM能回答的問題有更多面向，它可同時回答「總體」與「個體」的差異是否顯著，承上例，我們已知「公司平均組織氣氛會正向影響員工的工作效能」，但用HLM我們還可知道這個「影響效果是否存在公司間的差異」，如果有則代表我們可繼續投入解釋變項來解釋這些差異；另一方面，我們也已知「員工認知的組織氣氛會正向影響員工的工作效能」，當然HLM也能估計出這個「影響效果是否存在個人之間的差異」，這即為隨機效果（Random effect）。而HLM甚至可設定「每間公司平均組織氣氛所影響員工工作效能的強度都一樣」，這作法就是設定為固定效果（Fixed effect），而在同一個HLM方程式中可同時納入隨機效果跟固定效果，這就是為什麼HLM又稱作Linear Mixed Model的原因。
HLM的理論原理博大精深，本文只是針對其主要精神舉一些常見的應用，HLM在台灣學術圈的進展才剛起步，坊間已經有一些專書，其中有邱皓政老師翻譯的多層次模型（五南書局，是一本小書，內含HLM軟體的操作）、溫福星老師寫的階層線性模式（雙葉書局，有SPSS及HLM軟體操作）以及郭志剛翻譯而邱、溫兩人審訂的的階層線性模式（五南書局，原文是HLM領域的經典讀物，內容紮實），有興趣的讀者可自行再深入研究。
留言列表
{{ article.title }}