晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

（二）建置模式

1.選擇固定效果。

在上面操作介紹的時候有跟大家提到過，若以SPSS軟體進行HLM分析時，需先將第一階層與第二階層的模式Conbine（如下圖右下角），在模式進行選擇變數時，若您將變項同時選擇，並以「Factorial」丟到Model裡時，它會自動幫您建立交互作用項，因此若您有自己特定想要討論的模式，則必須搭配下方的「Main Effects」與「Interaction」來選擇模式。

另外需注意的地方是要將左下角的「Include Intercept」打勾（預設已經勾選），我想大部分的模式都還是會設定截距項的部分，這邊相當於在HLM中的β₀。

2.選擇隨機效果。

隨機效果的部分則要小心，共變異數型態直接用「Variance Components」（預設），一般在做分析的時候，大部分都會開放估計截距項的隨機效果（u₀），這是認為每所學校的教學滿意度是不相等的，當然您也可以假設沒有隨機效果項的存在，不過這樣就會失去使用HLM來做分析的優勢，因此我們必須將右上角「Include Intercept」打勾（預設是未勾選的），接著將左下方的學校代碼（第一階層與第二階層的連結變數）丟到右邊的Combinations，這樣軟體才知道要依據哪個變項作階層連結。

在第一階層有加入自變項來作預測時，若想開啟估計斜率項的隨機效果，則需要把該斜率項的自變項丟到右邊的Model中（如教師教學效能），此時所對應斜率項的隨機效果（u₁）就會開放，切記，丟到右邊Model裡的變項為第一階層的變項。

或許有人有疑問，剛剛（u₀）是認為每所學校的教學滿意度是不相等的，那（u₁）呢？（u₁）代表每個學校中，教學效能影響影響滿意度的情形是不同的，當然，如果此項沒開放也是浪費HLM的優勢，但如果您的研究樣本並沒有很多或模式比較複雜時，有可能會因為開放太多隨機效果去估計而導致跑不出結果，或執行的時間太長，此時就必須考慮犧牲掉隨機效果項了，一般來說都是先犧牲斜率項的隨機效果，仍會先保留截距項的隨機效果。

3.設定估計方式，裡面包含估計法、疊代次數、收歛值，若沒特殊需求，按照預設即可。

4.設定統計量，可依照需求選擇自己想要得到的統計量，一般最少應該選擇『參數估計』與『共變異參數檢定』，這樣才能得到所有項目的參數估計值，以及誤差項與隨機效果的檢定結果。

三、報表

由於開放斜率項的隨機效果後，部分參數估計不出來，因此僅保留截距項的隨機效果重跑分析，並以此結果跟大家介紹。

在固定效果方面，HLM軟體會跑出兩種結果，上面的結果是以一般的標準誤進行檢定，而下方則是利用強韌（robust）標準誤進行檢定，一般研究者都是以強韌（robust）標準誤為結果；但SPSS僅提供一般的標準誤檢定，這部分是比較可惜的。

在報表解讀部分，對初學使用者來說，HLM必須搭配參數符號，因此有時候可能會比較混亂，但SPSS軟體則是可以直接由變項去判別其估計效果，下圖是兩種軟體估計出來的結果，顯然兩種軟體所估計出來的結果是幾乎相等的！

報表解讀與一般迴歸的方式一樣，現去檢定變項是否有達顯著水準，接著去看其估計值的正負，最後敘述統計結果，以教師教學效能為例，教學效能達顯著水準，且迴歸係數0.91為正值，表示當教師的教學效能越良好，其教學滿意度會越高。

在隨機效果方面，SPSS軟體與HLM軟體估計出來的結果是一致的，不過因為HLM軟體的隨機效果有符號表示，因此會比較清楚的知道是哪一項隨機效果，但SPSS軟體另外還會提供各隨機效果的顯著性，以瞭解各階層是否還有其他預測變項可以考量進來，譬如說隨機效果r與u₀的變異數分別為0.09與0.21皆達顯著水準（p < .05），表示第一階層與第二階層仍有其他自變項可以考量進來提供解釋。