多層次分析方法 hlm軟體應用
DESCRIPTION
多層次分析方法 Hlm軟體應用TRANSCRIPT
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。