1

多層次分析方法 —HLM 軟體應用

團隊層次資料建立：

此為個人層次的 SPSS資料檔形式，記

錄每個樣本的作答情況。

此為團隊層次的資料

檔，必須由個人層次

的資料檔整合而成。

為每個團隊樣本在產

出控制、行為控制等

變數的作答情況。

點選 資料/整合，然後將主管編後放入分段變數，將想

要整合的變數放入整合變數，並且另外儲存檔案，按

確定後即形成團隊層次的資料檔。

2

HLM軟體操作方法：

首先從 File / Make new MDM file / Stat

package input 開始進行 HLM 分析。

如果分析的層次為兩層的話，則選擇

HLM2；如果為三層的話，則選擇 HLM3。

3

按 Browse放進個人層次的 SPSS 資料檔，

並 Choose Variable 選擇進行分析的變數。

按 Browse放進團隊層次的 SPSS 資料檔，

並 Choose Variable 選擇進行分析的變數。

由於是根據主管的編號為分層的標準，因此在

第一層 Choose Variable 時，勾選「主管編號」

為 ID。

4

接下來不管是自變數、應變數還是控制變

數，只要是有可能分析到的變數都勾選

in MDM。

第二層同樣在「主管編號」勾選為 ID，

其餘變數勾選 in MDM。

5

輸入MDM File Name，任意輸入名稱(asd)

即可。

輸入完MDM File Name後，點選Save mdmt

file，並任意輸入名稱(qwe)後存檔。

6

存檔完成後，點選 Make MDM，接下來 HLM 會

出現黑底視窗，自動開始進行資料讀取的程序。

當資料讀取完成後，黑底視窗會自動消失，接下來點選

Check Stats，會出現全部資料的敘述性統計分析，包含總樣

本數、團隊總數、平均數與標準差等。確認無誤後可將此

視窗關閉，並且點選 Done進行下一步資料分析程序。

7

點選 Done後會轉變為分析視窗，首先必須在 Level-1中選擇

應變數，因此點選「銷售意圖」，並選擇為 Outcome variable。

接下來開始選擇 Level-1的控制變數，點選變數名稱後會有

三個選項，分別為 uncentered、group centered 和 grand

centered。由於成員性別、婚姻狀態、年齡等皆為單一題項，

因此不需要做中心化的動作，選擇 uncentered 即可。

8

下一步為選擇 Level-1 的自變數，由於學習、證明與迴避導向

和顧客新穎性並非單一題項，因此通常會進行組中心化(group

centered)的動作。

由於在本研究中，目標導向(學習、證明、迴避)為自變數，

因此必須加入隨機項，只要在 u7j、u8j、u9j點選即可。

9

接下來選擇 Level-2 的變數，將產出控制、行為控制、產

品創新性與團隊人數都以 uncentered 方式放入。

在β0j 放入的變數，為探討產出控制、行為控制、產品創

新性與團隊人數對銷售意圖的直接效果。而產品創新性與

團隊人數在本研究中為控制變數

在β7j、β8j、β9j 放入的變數，為分別探討產出控制、行

為控制對學習導向、證明導向、迴避導向與銷售意圖之間

的調節效果，此模式為斜率預測模式(Slope-as-Outcomes

Model)。

10

點選 Outcome 的地方會出現基本模型設定的視窗，在 v6.06

的版本中，Output file name 的名稱預設為 c:\\hlm2.txt，但是

此預設路徑將導致結果無法呈現，因此必須更改為

c:\\XXX\hlm2.txt，XXX必須為真實存在於 c:\\的資料夾。分

析的結果將會以hlm2.txt的方式儲存在 c:\\的XXX資料夾中。

設定完成後，按下 Run Analysis，並選擇 Run the

model shown 開始進行分析。

11

接下來會出現黑底視窗，開始進行估計疊代，

當疊代次數到了 99 次的時候，系統會詢問是

否要繼續下去，此時只要鍵入 Y(yes)，然後按

Enter鍵即可繼續。另外也可從 Other Settings

中更改疊代次數設定。

分析完成後，黑底視窗會自動消失。點選

File/View Output 可出現結果。

12

學習導向對銷售意圖

的直接效果。

產出、行為控制對學

習導向與銷售意圖的

調節效果。

γ70

γ71

γ72

此為零模型(Null Model)，只將應變數(銷售

意圖)放入模型中，不放入其他任何變數。

13

σ2

ICC2

ICC1＝

模式離異數(-2LL)

14

此為隨機係數迴歸模式(Random Coefficient

Regression Model)，只在 Level-1中放入控制變

數與自變數，Level-2 不放入任何變數。

15

此為截距預測模式(Intercepts-as-Outcome

Model)，在 Level-2中只加入產出控制、行為

控制、產品創新性與團隊人數。

16

組內共識程度 rwgJ的計算： (由於無法由 HLM軟體得到此數值，故從 SPSS軟體來計算。)

rwgJ＝

( EU＝

、A＝題項數、S

2＝題項變異數的平均)

由於在 SPSS 的語法中無法讀取中文名稱，

因此必須先將要計算的變數名稱改為英文，

產出控制(OC)與行為控制(BC)。另外也必須

將「主管編號」更改為「id」。

開啟 SPSS 語法視窗後，將

rwgJ的語法貼上，在分段變

數(BREAK)的地方改為 id，

並且在紅色方格內做修改。

【將這些語法刪除】

17

18

修改完成後，將所有的語

法反白，按滑鼠右鍵選擇

「執行目前的」，就會跳

出 SPSS 視窗如下，顯示

各團隊的 rwgJ。

19

rwg 所代表的意義為團

隊內成員回答單一題

項的共識程度。但本研

究分別各用 5 題(A=5

或 J=5 )來衡量產出或

行為控制，因此必須以

rwgJ為參考標準。