第零章 前言 1
第一章 回归模式与阶层线性模式 1
第一节 回归模式 3
一、回归模式的假设 3
二、遗漏重要解释变项的结果 6
三、忽略独立性的结果 13
第二节 阶层线性模式的方法论 19
一、阶层线性模式简介 19
第三节 参考文献与进阶阅读文章 30
第二章 阶层线性模式的原理与各种模型 31
第一节 阶层线性模式概念 32
第二节 阶层线性模式原理 43
第三节 阶层线性模式的主要模型 52
一、具随机效果的单因子变异数分析模型 52
二、以平均数为结果的回归模型 56
三、具随机效果的单因子共变异数分析模型 58
四、随机系数回归模型 69
五、以截距与斜率为结果的回归模型 72
六、非随机变动斜率模型 75
七、Cronbach模型 81
八、脉络模型 82
第四节 阶层线性模式的另外一种分类方法 84
一、三层皆为零模型（Null Models） 84
二、第一层为完整模型（Full Model）、第二、三层为零模型（Null Models） 85
三、第一、二层为完整模型（Full Models）、第三层为零模型（Null Model） 88
四、第一二三层皆为完整模型（Full Model） 90
五、其它完整模型与零模型在三层的不同种组合 93
第五节 阶层线性模式的一般式 94
第六节 参考文献与进阶阅读文章 98
第三章 阶层线性模式的参数估计（Ⅰ） 101
第一节 简单回归分析的参数估计 103
一、简单回归分析 103
二、回归系数的解释 109
第二节 多元回归分析的参数估计 112
一、一般最小平方估计法 112
二、加权最小平方估计法（一般化最小平方估计法） 120
三、最大概似估计法 126
四、多元回归分析回归系数的解释 133
第三节 阶层线性模式的参数估计 141
一、具随机效果的单因子变异数分析模型 144
二、以平均数为结果的回归模型 150
三、具随机效果的单因子共变异数分析模型 156
四、随机系数的回归模型 165
五、以截距与斜率为结果的回归模式模型 168
六、两层结构HLM一般式的参数估计 173
七、脉络回归模型 180
第四节 参考文献与进阶阅读文章 187
第四章 阶层线性模式的参数估计（Ⅱ） 189
第一节 具随机效果的单因子变异数分析τ00与σ2的估计 191
一、当nj相等时 191
二、当nj不等时 202
第二节 具随机效果的单因子共变数分析τ00与σ2的估计 205
第三节 随机系数回归模型的参数估计（IGLS技术） 217
一、变异数成分模型的参数设定 220
二、IGLS估计技术 225
三、随机系数模型的参数估计 238
第四节 阶层线性模式一般式的IGLS 243
第五节 最大概似估计法 249
一、ML/FML估计法（Full ML） 255
二、REML估计法（Restricted ML） 262
第六节 EM演算法 270
一、M的步骤 278
二、E的步骤 280
第七节 其他演算法 282
第八节 参考文献与进阶阅读文章 285
第五章 阶层线性模式的参数检定 287
第一节 简单回归分析的回归系数检定 289
第二节 阶层线性模式的参数假设检定类型 303
第三节 阶层线性模式的参数检定 310
一、第二层固定效果回归系数的检定 310
1.单一回归系数的检定 310
2.回归系数的联合检定 311
二、第一层回归系数的假设检定 319
1.单一回归系数的检定 319
2.回归系数的联合检定 324
三、随机效果的变异数成分检定 329
1.单一变异数的检定 331
2.变异数共变数矩阵的检定 336
第四节 模式拟合度的概似比检定 338
一、概似比检定（likelihood ratio test）分析程序 338
1.变异数参数的检定 338
2.模型设定考虑的原则 338
3.如何开始 339
二、离异数检定 340
第五节 强韧标准误 347
第六节 参考文献与进阶阅读文章 351
第六章 广义阶层线性模式 353
第一节 广义线性模式介绍 354
第二节 逻吉斯回归与机率回归 356
第三节 多项逻吉斯回归或多项逻辑模型 360
第四节 次序机率回归分析或累积逻吉斯回归 364
第五节 布拉松回归 368
第六节 广义线性阶层模式 369
一、当结果变项为二元资料 370
二、当结果变项为名义别变数 372
三、当结果变项为次序变数 374
四、当结果变项为计数资料 377
第七节 参考文献与进阶阅读文章 378
第七章 纵贯面资料分析 379
第一节 纵贯面资料的类型 380
第二节 横断面与纵贯面资料的关系 390
第三节 线性成长模式 396
第四节 第一层解释变项的中心化问题 402
第五节 误差项的假设 405
第六节 混合模型 410
第七节 参考文献与进阶阅读文章 412
第八章 阶层线性模式假设与一些重要议题 415
第一节 HLM的基本假设 416
第二节 中心化议题 419
一、中心化相关原理 419
二、解释变项中心化的模拟研究 425
第三节 固定效果与随机效果的选择 433
一、随机效果与异质变异性的关系 433
二、固定效果与随机效果的决定 436
第四节 样本大小的决定 437
一、样本数的问题 437
二、HLM的样本数问题 441
三、HLM估计法与样本的关系 448
第五节 残差分析 451
一、第一层的残差分析 451
二、第二层的残差分析 453
第六节 决定系数的计算 459
第七节 缩动与信度的意义 464
第八节 参考文献与进阶阅读文章 472
第九章 阶层线性模式的应用实例 475
第一节 基本资料概述 476
第二节 零模型（具随机效果的单因子变异数分析） 483
第三节 具随机效果的单因子共变数分析 490
第四节 随机回归系数模型 501
第五节 以平均数为结果变项模型 513
第六节 脉络模型 519
第七节 完整模型 527
第八节 参考文献与进阶阅读文章 534
第十章 阶层线性模式的软体操作介绍 535
第一节 HLM6.02的操作 536
一、资料整备 536
二、结果变项的选择与类型 555
三、HLM程式的执行 558
四、第一层与第二层解释变项的处理 559
五、固定效果与随机效果的设定 567
六、结果档的开启 570
七、叠代收敛的设定 572
八、参数估计法的设定 575
九、假设检定的设定 577
十、结果档参数估计输出的设定 586
十一、探索分析的设定 588
十二、从.mdmt档更改.mdm档内容 596
十三、储存程式命令档（.hlm） 598
十四、储存回归模式影像档 602
十五、结果档路径与档名设定 606
十六、回归线的绘制 609
十七、第一层回归系数的图示绘制 620
十八、第一层回归模式残差项的盒形图 626
十九、原始资料的盒形图检验 630
二十、两变项间散布图设定 632
二十一、环境系统设定（preference） 635
第二节 SPSS的Mixed模组 638
一、SPSS资料档的整备 638
二、Mixed模组的执行设定 648
1.具随机效果的单因子变异数分析模型或随机截距项模型 652
2.以平均数为结果变项模型 660
3.具随机效果的单因子共变数模型 665
4.随机系数模型 668
5.脉络模型 672
6.完整模型 676
第三节 SPSS Mixed语法 682
索引 687
中文索引 索引 687
英文索引 索引 693