在筆者之前的文章中，曾經介紹線性混合模式（Linear mixed model, LMM）的概念與應用場景（請見：https://reurl.cc/8GdGr4、https://reurl.cc/pdOdqx、https://reurl.cc/20p0xE或是https://reurl.cc/WdlL3y），在本系列文章中，將介紹以 SPSS 25 版進行實際的操作示範與結果解釋。
LMM 可被應用於分析多層次資料（Multilevel data），因此也稱為多層次模型/迴歸（Multilevel model / regression）。所謂多層次的定義，只要資料結構為至少「2 層」以上即可稱為多層次的資料。下圖示範一個「4 層」的資料結構，第四層為醫院，第三層為每家醫院的醫生、第二層為每位醫生治療的病人，第一層為每位病人的多筆資料（例如同一位個案的左右眼、多個不同病灶、重複測量等）。
在傳統的分析方法之下，只能假設所有的資料點（data unit）之間為獨立樣本，其結果變項（dependent variable / outcome）之間不存在著相關性。但事實上這個假設不太可能成立，例如在某家醫學中心就診的患者，他們的預後可能會因為整體疾病嚴重度較高以及該醫學中心的既定治療方針的緣故，而具有相關性。
再舉另外一個更明顯的例子，同一位患者的左眼與右眼，基本上不可能互為獨立，而過去在眼科的研究中，往往會選擇其中一隻眼睛作為分析樣本，此舉事實上會浪費資料以及降低統計檢定力（power）；又或是同時使用兩隻眼睛的資料作為分析，但此舉會誇大樣本數，因為假設同一個的兩隻眼睛是來自於不同人的兩隻眼睛，通常會得到過於樂觀的估計（容易顯著）。
SPSS 在第 13 版的時候開始支援 LMM，但僅限於結果變項為連續型變項，筆者印象中 SPSS 是從第 22 版推出「Generalized linear mixed model」（GLMM），將結果變項延伸之其他測量尺度，例如二元（binary）、計數（count）等等。此外，新版的 GLMM 也有比較直觀的操作頁面，因此筆者在此不再介紹舊版的 LMM 畫面。
在進行 GLMM 之前，建議各位先修改輸出報表的預設設定，SPSS 針對 GLMM 以及無母數統計進行了一種新的「模式瀏覽器」（Model viewer），但其報表內容很不直觀，因此建議各位修改為「Pivot tables and charts」，亦即為一般常見 SPSS 的樞紐表以及樞紐圖形。
接著我們將在後續幾篇文章中，先示範兩個階層資料結構下的橫斷面（cross-sectional）的操作與報表解讀。後續會再示範收集多次個案資料的重複測量（repeated measure）的縱貫（longitudinal）資料，以及延伸到三個階層資料結構下的分析。
（續）
留言列表
{{ article.title }}