第1章 绪论 1
1.1 多层统计分析模型的理论框架 2
1.2 多层数据 4
1.3 多层数据中的变量 6
1.4 多层数据分析中的问题 8
1.5 多层统计分析模型的优点及其局限性 10
1.6 用于多层统计分析模型分析的计算机软件 12
第2章 线性多层模型基础 15
2.1 组内相关系数 16
2.2 两水平多层模型的公式表述 18
2.3 模型假设 20
2.4 固定和随机回归系数 21
2.5 跨层交互作用 23
2.6 测量中心化 24
2.7 模型估计 27
2.8 模型拟合，假设检验和模型比较 31
2.9 水平1和水平2结局变异解释 34
2.10 建立多层模型的步骤 38
2.11 三水平及更多水平的线性多层模型 41
第3章 两水平线性多层模型应用 43
3.1 数据 44
3.2 空模型 47
3.3 用场景变量解释组间变异 54
3.4 在模型中纳入水平1解释变量 58
3.5 水平1随机斜率检验 64
3.6 跨层交互作用评估 69
3.7 模型构建中的其他问题 73
第4章 多层统计分析模型在纵向数据中的应用——发展模型 81
4.1 纵向数据的特征 82
4.2 传统纵向数据分析方法的局限性 83
4.3 发展模型 84
4.4 发展模型的公式表述 85
4.5 数据描述和数据整理 87
4.6 线性发展模型 90
4.7 曲线发展模型 110
第5章 离散型结局测量的多层统计分析模型 127
5.1 广义线性混合模型介绍 128
5.2 离散型结局测量多层模型及SAS程序 131
5.3 多层Logistic回归模型 133
5.4 多层累积Logistic回归模型 153
5.5 多层多项Logit模型 160
5.6 计数结局测量的多层模型 168
第6章 其他多层统计分析模型及相关论题 191
6.1 计数数据的多层零膨胀模型 192
6.2 混合效应混合分布模型 207
6.3 自助法多层模型 215
6.4 组基础模型 231
6.5 数据缺失值 260
6.6 多层统计分析模型的统计功效与样本量 263
结束语 269
参考文献 271
索引 287