☆ 1、如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
      ☆ 2、在課程結(jié)束之后,授課老師會(huì)留給學(xué)員手機(jī)和E-mail,免費(fèi)提供半年的課程技術(shù)支持，以便保證培訓(xùn)后的繼續(xù)消化；
      ☆3、合格的學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。
      ☆4、合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書(shū)，提升您的職業(yè)資質(zhì)。

• HLM是分層線性模型軟件，新版本為Version 8，適用于Windows 64 bit. 包含線性和非線性部分，可以讀取大部份統(tǒng)計(jì)軟件的數(shù)據(jù)如 SPSS, SAS, SYSTAT及STATA等等。
• ?
• 在社會(huì)研究和其他領(lǐng)域，研究數(shù)據(jù)通常具有等級(jí)結(jié)構(gòu)。也就是說(shuō)，個(gè)體研究對(duì)象可以被分類或安排成組，這些組本身具有影響研究的品質(zhì)。在這種情況下，個(gè)人可以被視為一級(jí)學(xué)習(xí)單元，他們被安排的組是二級(jí)單元。這可以進(jìn)一步擴(kuò)展，將第二級(jí)單元組織成第三級(jí)的另一組單元，將第三級(jí)單元組織成第四級(jí)的另一組單元。教育（1級(jí)學(xué)生，2級(jí)教師，3級(jí)學(xué)校和4級(jí)學(xué)區(qū)）和社會(huì)學(xué)（1級(jí)人員，2級(jí)社區(qū)）等領(lǐng)域的例子比比皆是。很明顯，對(duì)這些數(shù)據(jù)的分析需要專門的軟件。
• ?
• HLM處理多層次數(shù)據(jù)，進(jìn)行線性和非線性的階層模型分析。在HLM中，不僅改善了原有的界面，而且增加了新的統(tǒng)計(jì)功能。比如對(duì)線性模型增加了交叉隨機(jī)效應(yīng)；對(duì)三層數(shù)據(jù)增加了多項(xiàng)式模型。該工具能處理多層次數(shù)據(jù)，進(jìn)行線性和非線性的階層模型分析。
• ?
• HLM程序包能夠根據(jù)結(jié)果變量來(lái)產(chǎn)生帶說(shuō)明變量(expl lanatory variable,利用在每層指定的變量來(lái)說(shuō)明每層的變異性)的線性模型.HLM不僅僅估計(jì)每一層的模型系數(shù),也預(yù)測(cè)與每層的每個(gè)采樣單元相關(guān)的隨機(jī)因子(random effects).雖然HLM常用在教育學(xué)研究領(lǐng)域(該領(lǐng)域中的數(shù)據(jù)通常具有分層結(jié)構(gòu)),但它也適合用在其它任何具有分層結(jié)構(gòu)數(shù)據(jù)的領(lǐng)域.這包括縱向分析( longitudinal analysis),在這種情況下,在個(gè)體被研究時(shí)的重復(fù)測(cè)量可能是嵌套(nested)的.另外,雖然上面的示例暗示在這個(gè)分層結(jié)構(gòu)的任意層次上的成員(除了處于高層次的)是嵌套(nested)的,HLM同樣可以處理成員關(guān)系為"交叉(crossed)",而非必須是"嵌套(nested)"的情況,在這種情況下,一個(gè)學(xué)生在他的整個(gè)學(xué)習(xí)期間可以是多個(gè)不同教室里的成員.
• ?
• HLM程序包可以處理連續(xù),計(jì)數(shù),序數(shù)和名義結(jié)果變量(outcome varible),及假定一個(gè)在結(jié)果期望值和一系列說(shuō)明變量(explanatory variable)的線性組合之間的函數(shù)關(guān)系.這個(gè)關(guān)系通過(guò)合適的關(guān)聯(lián)函數(shù)來(lái)定義,例如identity關(guān)聯(lián)(連續(xù)值結(jié)果)或logit關(guān)聯(lián)(二元結(jié)果)。
• ?
• 由于對(duì)多變量結(jié)果模型（如重復(fù)測(cè)量數(shù)據(jù)）的興趣增加，Jennrich&Schluchter（1986）和Goldstein（1995）的貢獻(xiàn)導(dǎo)致大多數(shù)可用的分層線性建模程序中包含多變量模型。這些模型允許研究人員研究層次低層的方差可以采用各種形式/結(jié)構(gòu)的情況。該方法還為研究人員提供了擬合潛變量模型的機(jī)會(huì)（Raudenbush&Bryk，2002），其中層次結(jié)構(gòu)的第一級(jí)表示易錯(cuò)的，觀察到的數(shù)據(jù)與潛在的“真實(shí)”數(shù)據(jù)之間的關(guān)聯(lián)。
• ?
• HLM 8的新功能
• 從不完整的數(shù)據(jù)估計(jì)HLM
• 在HLM 8中，增加了從不完整數(shù)據(jù)估計(jì)HLM的能力。這是一種完全自動(dòng)化的方法，可以生成和分析來(lái)自不完整數(shù)據(jù)的多重推算數(shù)據(jù)集。該模型是完全多變量的，使分析師能夠通過(guò)輔助變量加強(qiáng)估算，這意味著用戶指定HLM程序自動(dòng)搜索數(shù)據(jù)以發(fā)現(xiàn)哪些變量具有缺失值，然后估計(jì)多變量分層線性模型（“插補(bǔ)模型”），其中具有遺漏值的所有變量在具有完整數(shù)據(jù)的所有固定截距和隨機(jī)系數(shù)的靈活組合。
• ?
• 固定截距和隨機(jī)系數(shù)的靈活組合
• HLM 8的另一個(gè)新特性是固定截距和隨機(jī)系數(shù)（FIRC）的靈活組合現(xiàn)在包含在HLM2，HLM3，HLM4，HCM2和HCM3中。多級(jí)因果研究中可能出現(xiàn)的一個(gè)問(wèn)題是隨機(jī)效應(yīng)可能與治療分配相關(guān)。例如，假設(shè)治療是非隨機(jī)分配給嵌套在學(xué)校內(nèi)的學(xué)生，如果隨機(jī)截距與治療效果相關(guān)，則估計(jì)具有隨機(jī)學(xué)校截距的兩級(jí)模型將產(chǎn)生偏差，傳統(tǒng)的策略是為學(xué)校指定固定效應(yīng)模型。然而，這種方法假設(shè)均勻的治療效果，可能導(dǎo)致對(duì)平均治療效果的偏倚估計(jì)，不正確的標(biāo)準(zhǔn)誤差和不適當(dāng)?shù)慕忉尅LM 7允許分析人員在解決這些問(wèn)題的模型中將固定截距與隨機(jī)系數(shù)相結(jié)合，并促進(jìn)更豐富的總結(jié)，包括對(duì)治療效果變化的估計(jì)和單位特定治療效果的經(jīng)驗(yàn)貝特斯估計(jì)，這種方法在Bloom，Raudenbush，Weiss和Porter（2017）中提出。
• ?
• HLM與Windows 7,10兼容。