SPSS操作HLM教學(上) @ 晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

前陣子有客戶詢問關於HLM的操作分析，一般在跑HLM的研究都會使用HLM的軟體，當然，我本來也打算以HLM的軟體來教他，不過我想大部分的研究者和我的客戶一樣並沒有HLM的軟體，那麼該怎麼辦呢？此時客戶提出：「不能使用SPSS嗎？」。SPSS在15版之後裡已加入HLM分析，不過個人認為點選介面不太好理解，因此一直沒主動去摸索，也藉此機會逼自己瞭解一下，並將操作過程與心得記錄下來與各位分享心得。

在學習操作前，建議是要稍微瞭解HLM的基礎原理，因此若還沒接觸過HLM的讀者，建議先讀過我們部落格康顧問所寫的3篇文章：HLM學習心得分享1~3。

在這3篇文章中，主要介紹到一般使用HLM分析會執行的四種模式，包含One-way ANOVA、Mean-as-outcome、Random-coefficient、Intercept-and slopes-as-outcomes，其中Intercept-and slopes-as-outcomes為同時包含第一階層與第二階層變項的模式，屬於較為複雜模式，這篇文章將以舉一個簡單例子並搭配Intercept-and slopes-as-outcomes模型，將操作過程介紹給大家瞭解。

一、資料介紹

資料格式上HLM軟體與SPSS的要求就不一樣了，有用過HLM軟體的人應該知道，必須將不同階層的資料建置在不同的檔案裡，但在SPSS中只要集中在同一個Data即可。

本研究針對196所學校，以教師為對象實施問卷調查，每所學校抽取4~5位教師，最後共收得941位教師的資料，問卷中以量表收集「教師教學效能」、「校長領導能力」與「教學滿意度」，研究目的是想調查「教師教學效能」與「校長領導能力」對「教學滿意度」的影響情形。

由於941位教師隸屬在196所學校底下，因此第一階層為教師層次，第二階層則為學校層次，在我們收集的變項中，「教師教學效能」與「教學滿意度」屬於第一階層變項，而「校長領導能力」屬於第二階層變項。

鍵入資料時，必須先創造一欄位為第二階層的總體編號（EX：學校代碼），這樣資料才有辦法判別哪些個體是來自於同一個總體，譬如說前五位教師來自第一所學校。由於「教師教學效能」與「教學滿意度」屬於第一階層變項，因此每一個教師都會有自己的得分；雖然「校長領導能力」屬於第二階層變項，但資料收集時我們先收到的是原始得分，所以在鍵入時仍先輸入每位教師所回答的「校長領導能力」，但因為「校長領導能力」屬於第二階層變項，每一所學校只能有一個「校長領導能力」，因此我們必須將資料轉成像是「平均校長領導能力」，同一所學校的教師分數需要一樣，此動作我們稱之為Aggregate，譬如說第一所學校5位教師的校長領導能力為5.75分。

二、操作介紹

在操作過程方面，SPSS與HLM軟體除了在讀入資料的格式上有差別之外，另外一最大的差別就是在模式的建構，在HLM軟體方面，模式的建置需要針對Level1與Level2裡的變項分別設置，但SPSS軟體則是混合建置，因此若研究模式較為複雜時，SPSS軟體會比較難以操作，聽到這邊或許有些人會聽不太懂，我分別利用HLM與SPSS的示範圖讓大家更為清楚，左圖是以HLM軟體建置模型，右圖則以SPSS軟體建置。

左圖藍線標示範圍是HLM建置模式的方式，此時若點一下右下角的『Mixed』，HLM軟體則會show出兩階層Combine的結果；右圖則為SPSS軟體建置模式的方式，顯然我們所建置的項目是根據Combine的結果來處理，所以我們才說若模式複雜時，SPSS軟體會比較麻煩。

以下將針對操作的方式來講解，解說分為兩個部分，第一部分是先教大家讀入變項，由於不管是什麼模式，讀入變項的方式都是一樣的；第二部分則是模式的建置，這邊將搭配是上面所提過的Intercept-and slopes-as-outcomes模型，因為此模式較為複雜，能夠包含各種狀況，因此以此為例。

（一）讀入變項

1.點選分析→混合模式→線性。

2.將第一階層與第二階層的連結變項丟入Subjects。

3.選入變項，先將依變項丟入Dependent，接著將自變項丟入Factor（因子）與Covariate（共變量），若您研究中的自變項為類別變項，就必須丟到Factor欄位，若自變項為連續變項，就必須丟到Covariate欄位（今天舉的例子為連續變項），此時可以先暫時將所有變項都丟入，若變項太多擔心搞混，亦可只丟入模式所需要的變項。切記，第二階層所放的變項需Aggregate過的。