在醫學研究的領域中，階層性的資料結構相當常見。例如在醫院收集的病患資料，有一些是用來描述病患特徵的變數，如性別，年齡等；另外，有一些變數則在表現醫院的特性，如醫院層級別：醫學中心，區域醫院，地區醫院。此時，用傳統的迴歸模式來分析，會忽略了團體層級的影響(組內相關)，而造成誤差的變異被低估。所以，較為適當的方法為使用多層次的分析(multilevel analysis)---也就是目前廣被使用的階層線性模式(Hierarchical Linear Model: HLM)。
在階層結構的資料中，主要的特徵爲具有個體層級以及總體層級，例如上述的例子中，病患即爲個體層級，而不同家的醫院即爲總體層級。此外，在重覆測量設計中，針對每一受試者(subject)在不同時間點測量感興趣的反應變項(response)，亦可視爲階層化的資料，在這種情形下，個體層級爲不同次重覆測量，而總體層級爲不同的受試者(subject)。階層線性模式分析上的想法即爲將第一層各分層的迴歸係數(coefficient)當成是第二層反應變數(response)，這樣的方式即爲斜率結果變項（slope as outcome）分析。在執行分析的軟體上，目前大多以HLM, STATA來進行階層線性模式的分析。
Reference:
Goldstein, H. (2011). Multilevel Statistical Models. 4th ed. London: Wiley.Raudenbush, S. W. and Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods. 2nd ed. Thousand Oaks, CA: Sage.
留言列表
