首頁 > 書目資料
借閱次數 :

HLM多層次線性分析 : 理論、方法與實務 = Hierarchical linear modeling : theory, methods and application /

  • 點閱:412
  • 評分:0
  • 評論:0
  • 引用:0
  • 轉寄:0


轉寄 列印
第1級人氣樹(0)
人氣指樹
  • 館藏
  • 簡介
  • 作者簡介
  • 收藏(0)
  • 評論(0)
  • 評分(0)
  • 引用(0)

  本書榮獲SSI(Scientific Software International)原廠認證指定用書   www.ssicentral.com/   Hierarchical Linear and Nonlinear Modeling (HLM)稱為階層線性模型也有人稱為多層次迴歸分析Multilevel Linear Modeling HLM也可以跑panel data analysis 縱斷面分析, 一般線性分析 (GLM)等, 為現在時下研究必備要學的統計工具。   也就是在SEM結構方程模型中所稱的潛在成長模型 Latent Growth Curve ; Latent Growth Modeling。   層級線性與多層次模型在國內外日益受到重視,最主要是傳統統計方法只能估計單一個體層級或單一組織層級,這對估計現實世界的情況有很大偏誤,比如說員工的工作滿意,如果只是單一估計員工個別因素,可能會錯估它們工作系絡或組織的潛在影響。多層次與層級線性模型廣泛應用到組織管理、教育、醫藥健康等領域。這本書主要應用層級線性與多層次模型的理論、實務與軟體應用的參考書。   這本書的目標即在提供有興趣多層次分析的學生、學者與實務人員教學與研究的指導。在這本書亦提供範例的資料檔與統計程式操作方式。這些基礎理論與範例有助於我們瞭解多層次分析。要深入瞭解這本書必須要有基本的多元迴歸方程式的知識。這本書會提供HLM 6.08所演示的範例,針對多層次迴歸分析主要模型的操作程序,並強調這些統計軟體所產生的報表解釋,諸如結果變項為連續變數或者類別變數的兩層與三層模型、輔助性統計(如迴歸係數信賴區間、組內相關係數等)、檢視模型假設等。   在這本書主要環繞著為什麼多層次分析對組織研究、不同領域研究處於關鍵?什麼是多層次分析的概念模型?多層次分析模型跟傳統模型有何不同?如何正確操作多層次分析的統計軟體,以及提出關鍵性解釋。線性混合效果模型基本概念與變異數分析的估計,包含可以衡量固定效果,以及無法直接估計而由變異數與共變異數矩陣估計的隨機效果模型(包含連續變數、類別資料變數、時間資料)。

謝俊義

【學歷】
  .美國Florida State University公共行政與政策博士
  國立政治大學公共行政學博士

  高等研究方法訓練:.美國University of Michigan-Ann Arbor, Inter-University Consortium for Political and Social Research (ICPSR)結業(2008.5, 2007.7-8, 2006.7-8)。

【現任】
  .臺北市立教育大學社會暨公共事務學系助理教授(2008.8迄今)
  .國家科學委員會教育學門學術研習營,HLM 在教育研究之應用講員(2010迄今)
  .臺灣公共行政暨公共事務系所聯合會(Taiwan Association of Public Administration and Public Affairs, TASPAA)祕書長(2010.8-2011.7)
  .Editorial Board, International Review of Public Administration(2010迄今)

【經歷】
  .臺北市教育大學教育行政與評鑑研究所兼任助理教授(2009-2010) 。
  .教育部一般留學公費獎學金,留美法律或政治學群-政治領域 (2006- 2007)。
  .美國Florida State University公共行政與政策學院,Jack Winn Gramling獎學金(2006-2008)。
  .美國University of Michigan-Ann Arbor, Inter-University Consortium for Political and Social Research (ICPSR),Clifford C. Clogg獎學金 (2007) 。
  .考試院高等考試三級一般行政類科及格(1998)。

主要研究領域:
  高等量化分析
  公共管理
  都市與地方治理研究
  公共政策分析

此功能為會員專屬功能請先登入

此功能為會員專屬功能請先登入

此功能為會員專屬功能請先登入

此功能為會員專屬功能請先登入


本文的引用網址: