晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

在繼續介紹之前，先提醒大家，前篇所提到的One-way ANOVA 模型，因未放入任何的階層變項，故One-way ANOVA 模型可說為線性階層模型的基礎，又稱為零模型（Null model），其它模型可與其相比，得出階層變項的效率。

所謂階層變項有那些？在第一層學生階層，變項有學業成績、社經地位、性別等，其中學生成績是整個研究中的依變項；而在第二層學校階層，變項有公私立、規模等，當然你可以把某學校內所有學生的學業成績或社經地位加以平均，作為學校成績或學校社經地位（group mean，校內所有學生的平均）。

正式介紹下一個模型出場，Mean-as-outcome。從字面看是將平均數當成結果變項，它的意思是將每一個群體的平均數都視為可以被群體變項預測的結果，例如學校成績可以用學校的公私立變項來預測。相較傳統迴歸致力於找出顯著的變項來解釋個別的差異，HLM較為重視可以解釋群體差異的變項，所以當One-way ANOVA 模型中確定學校間是有差異後，下一步不是作事後比較哦！（因為學校可能有數百間，可能會比到天荒地老），而是利用Mean-as-outcome模型瞭解那些學校階層變項會影響學校成績，進而影響學生個人成績，其公式為：