作者hoobar (yes)
看板Statistics
標題[問題] 如何探討自變項變化對依變項變化之作用？
時間Wed Mar 8 05:45:23 2017
請教各位先進：
對重複測量資料(如1000位學生，重複測量5次)，可用HLM或Latent Growth Curve Model
檢視依變項改變的截距和斜率是否存有變異，再找出能解釋變異的因素(自變項)。
但在HLM或SEM模型中，自變項大多是放某一時間點(例如基期)資料，
或不隨時間變動的資料，並非是自變項在多個時間點的變化。
若我想探討學生唸書時數對憂鬱軌跡的影響，唸書時數和憂鬱分數在5個時間點都有測量，
並假設唸書時數增加者，憂鬱分數也會增加。
請問：
1. 我該用什麼模型，去探討自變項變化對依變項變化之影響呢？
是panel analysis的固定效果或隨機效果嗎？
2. 若資料有不同階層的自變項(如班級氣氛以及個人唸書時數)重複測量資料，
可整理成階層的panel資料，作固定效果或隨機效果分析嗎？
3. HLM或SEM模型中，解釋因素能否放入不同階層自變項變化的資料？
還是必須自己先算出改變(如斜率)再放入？
以上向各位高手求救，感謝！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.225.94.90
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Statistics/M.1488923129.A.EF7.html
1F：→ recorriendo: 當然可以 nested model理論上要幾層都行 只要data夠 03/08 06:26
2F：→ recorriendo: 時間本身可當自變項 建議看看longitudinal data專書 03/08 06:32
3F：→ recorriendo: 都會講 03/08 06:34
4F：→ coldwind0912: 不要被自我設限了，時間的iv效果本來就可以當自變項 03/08 08:59
5F：→ coldwind0912: 真的如上面所說 只要data夠 nested就解決了... 03/08 08:59
6F：→ coldwind0912: 可以多參考一些縱貫研究的paper 想想看model怎麼建 03/08 09:00
7F：→ coldwind0912: 實務上 應該已經有很多paper做得到 03/08 09:01
8F：推 anniecs: GEE 03/08 11:15
9F：→ hoobar: 感謝前輩的建議！ 03/09 07:28