在很多研究當中,探討影響個體(subject)結果變項(outcome)的因子時,除了要考慮到個體自身收集到的解釋變數,同時也要考慮與個體存在高度相關的人,所收集到的解釋變數;例如常見的夫-妻,照顧者-被照顧者,此種資料稱之爲對偶資料(dyadic data)。很明顯的,對偶資料之間具有相關性,而且會影響對結果變項的解釋或預測。(舉例來說,結果變項爲:夫生活品質滿意度,解釋變項爲:夫社經地位高低,妻社經地位高低)

APIM在統計分析方面,如果使用傳統的多元迴歸分析(multiple linear regression),無法將解釋變數之間的相關性納入分析,所以並不恰當,原因在於多元迴歸分析中,解釋變數是假設爲獨立的。取而代之的,APIM多用多層次模型(Multi-Level Model: MLM)方法來分析,亦有人稱之爲階層線性模式法(Hierarchical Linear Model: HLM)。另外,也可以將每一對設定爲隨機效果(random effect)以混合模式(Mixed model)來分析之。


Reference:
Kenny, D. A. (1996a). Models of nonindependence in dyadic research. Journal of
Social and Personal Relationships, 13, 279–294.

arrow
arrow
    創作者介紹
    創作者 estat 的頭像
    estat

    以斯帖統計顧問公司

    estat 發表在 痞客邦 留言(0) 人氣()