多水平统计模型的Stata程序实现_谢传波.pdf

《多水平统计模型的Stata程序实现_谢传波.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、中国卫生统计2014年2月第31卷第1期·169··计算机应用·*多水平统计模型的Stata程序实现△中山大学公共卫生学院医学统计与流行病学系(510080)谢传波牛中正丁鹏刘涛陈维清【提要】目的介绍多水平模型的原理及其Stata程序实现。方法先建立多水平零模型，考察数据之间是否存在聚集性，再引入解释变量建立随机截距及随机系数模型。通过残差分析的方法比较各多水平模型的优劣。结果通过Stata软件分别拟合了零模型、随机截距、随机系数模型。结论多水平模型的Stata程序简单易操作值得推广。【关键词】多水平模型Stata程序MLwin是进行多水平

2、分析的专用统计软件，很多由于个体学习能力的得分镶嵌于学校中，因此首文献及著作报道了各类多水平模型的(多水平线性、先要建立一个不含自变量的零模型(指不含任何解释多水平logistic及生存资料的多水平分析等)的MLwin变量的模型)考察个体学习能力得分在学校间是否存［1－2］实现程序，另外国内也有很多文献报道了多水平在差异，即不同的学校是否会影响个体的学习能力。［3－4］模型的SAS程序，而对于多水平模型的Stata程表1SSLS数据库的变量解释及赋值序实现国内介绍的相对较少且存在程序简单及不完整变量名称赋值及变量解释的特点。本文旨在通过借鉴

3、国外多水平开发中心Thecaseid学生学号CentreforMultilevelModelling(CMM)开设的LEMMAschoolid学校编码学生毕业时的学习能力评价，分数在0～75之间，分数(LearningEnvironmentforMultilevelMethodsandAppli-score越高学习能力越强cations)课程中的一个实例介绍医学和公共卫生研究cohort90包含1984、1986、1988、1990、1996和1998六个队列。领域中常用的多水平模型的Stata程序，以其为更好的cohort90变量指的是所

4、有队列初始年龄减去1990后的得分利用Stata软件实现多水平分析提供帮助。female学生性别0=男1=女sclass社会地位:指父母中相对较高高级别的社会地位资料来源1=管理人员或教授2=中层社会地位3=工人4=未能分层数据来源于一项苏格兰离校学生调查(Scottishschtype学校类型1=私立学校2=公立学校SchoolLeaversSurvey，SSLS)的历史性队列研究，该数schurban学校地理位置1=城市0=乡村据包含1984、1986、1988、1990、1996和1998六个队schdenom学校教派1=天主教学校0

5、=非教派学校列，所有学生在完成义务教育阶段后(16～17岁)分别所用Stata程序为xtmixedscore

6、

7、schoolid:，mle给予0～75分的评分，分数越高其学习能力也越强。variancenostderrSSLS数据库的数据结构见图1，数据编码见表1。该在拟合多水平多重线性回归模型时，xtmixed命令数据可以分为三个水平，学生为最低水平，学校为第二为Stata拟合因变量为连续性变量的多水平模型的主级水平，地区为第三级水平水平。本次研究只涉及学要命令，其后紧跟因变量score，两条竖杠代表拟合的生和学校两水平模型的统计分析。是

8、两水平模型，竖杠后为处于更高一级水平的变量名称，在此为shoolid，mle代表拟合多水平模型使用的是最大似然估计(maximumlikelihoodestimation)的方法，variance命令指示Stata报告随机截距及可能包含的随机系数的方差，在零模型中只有截距随机，随机系数在引入其他解释变量后才会出现，nostderr命令则是图1SSLS数据结构分层图为了不要计算随机部分的标准误。由随机效应部分的结果与分析结果输出(图3)可知学生的学习能力在学校水平的变异服从N(0，61.02)的正态分布，且学生学习能力在学1.零模型的建立校水

9、平的变异具有统计学意义(P＜0.001)。个人学习能力的变异归因于学校的部分占VPC(variancepar-*基金项目:国家自然科学基金项目(30872164)△:通信作者:陈维清，E－mail:chenwq@mail.sysu.edu.cntitioncoefficient)=61.02/(61.02+258.36)=19%。·170·ChineseJournalofHealthStatistics，Feb2014，Vol．31，No．1Ｒandom－effectsparametersEstimatestd．Err．［95%Conf．I

10、nterval］schoolid:Identityvar(_cons)61．02457···vay(Ｒesidual)258．3572···LＲtestvs．linearregr