作者hoobar (yes)
看板Statistics
标题[问题] 如何探讨自变项变化对依变项变化之作用？
时间Wed Mar 8 05:45:23 2017
请教各位先进：
对重复测量资料(如1000位学生，重复测量5次)，可用HLM或Latent Growth Curve Model
检视依变项改变的截距和斜率是否存有变异，再找出能解释变异的因素(自变项)。
但在HLM或SEM模型中，自变项大多是放某一时间点(例如基期)资料，
或不随时间变动的资料，并非是自变项在多个时间点的变化。
若我想探讨学生念书时数对忧郁轨迹的影响，念书时数和忧郁分数在5个时间点都有测量，
并假设念书时数增加者，忧郁分数也会增加。
请问：
1. 我该用什麽模型，去探讨自变项变化对依变项变化之影响呢？
是panel analysis的固定效果或随机效果吗？
2. 若资料有不同阶层的自变项(如班级气氛以及个人念书时数)重复测量资料，
可整理成阶层的panel资料，作固定效果或随机效果分析吗？
3. HLM或SEM模型中，解释因素能否放入不同阶层自变项变化的资料？
还是必须自己先算出改变(如斜率)再放入？
以上向各位高手求救，感谢！
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.225.94.90
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1488923129.A.EF7.html
1F：→ recorriendo: 当然可以 nested model理论上要几层都行 只要data够 03/08 06:26
2F：→ recorriendo: 时间本身可当自变项 建议看看longitudinal data专书 03/08 06:32
3F：→ recorriendo: 都会讲 03/08 06:34
4F：→ coldwind0912: 不要被自我设限了，时间的iv效果本来就可以当自变项 03/08 08:59
5F：→ coldwind0912: 真的如上面所说 只要data够 nested就解决了... 03/08 08:59
6F：→ coldwind0912: 可以多参考一些纵贯研究的paper 想想看model怎麽建 03/08 09:00
7F：→ coldwind0912: 实务上 应该已经有很多paper做得到 03/08 09:01
8F：推 anniecs: GEE 03/08 11:15
9F：→ hoobar: 感谢前辈的建议！ 03/09 07:28