測定時点が何度もあるときに、その推移のグラフ（折れ線グラフ等）を確認しておきたいときに、SPSSのGUI画面ではどうするのか？？？という演習でした。
事前に元データを確認しておくことが大切です。
「線の表現内容」と「変数」を設定します～（＾―＾）
一度図を作成して、それから編集します！
ダブルクリック、ダブルクリック！
完成！！！
うまちゃんありがとう！
2010/06/30
ワイドのデータセットで図表確認♪
引き続き、2010年2月25日の演習内容です。馬ノ段さんが作ってくれました。うまちゃんありがとう！アップが遅れて申し訳ありません！！
測定時点が何度もあるときに、その推移のグラフ（折れ線グラフ等）を確認しておきたいときに、SPSSのGUI画面ではどうするのか？？？という演習でした。
事前に元データを確認しておくことが大切です。
「線の表現内容」と「変数」を設定します～（＾―＾）
一度図を作成して、それから編集します！
ダブルクリック、ダブルクリック！
完成！！！
うまちゃんありがとう！
測定時点が何度もあるときに、その推移のグラフ（折れ線グラフ等）を確認しておきたいときに、SPSSのGUI画面ではどうするのか？？？という演習でした。
事前に元データを確認しておくことが大切です。
「線の表現内容」と「変数」を設定します～（＾―＾）
一度図を作成して、それから編集します！
ダブルクリック、ダブルクリック！
完成！！！
うまちゃんありがとう！
次（2010/7/1Thurs）もMixed Modeｌ続き（予告のみ再掲）
予告のみ再掲します！
次回もMixed Model（あるいはMultilevel Model）の続きです。
Mixed Modelを知りたい人、縦断データを解析する予定の人、どのような方もどうぞいらしてください。
日 時：2010年7月1日（木）18:00～19:30
テーマ：Mixed Model (9)＜縦断データ初級編（4）＞
場 所：医学部３号館 3階S308
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
ご関心のある方は次回も是非いらしてください！（文責：宮本有紀）
次回もMixed Model（あるいはMultilevel Model）の続きです。
Mixed Modelを知りたい人、縦断データを解析する予定の人、どのような方もどうぞいらしてください。
日 時：2010年7月1日（木）18:00～19:30
テーマ：Mixed Model (9)＜縦断データ初級編（4）＞
場 所：医学部３号館 3階S308
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
ご関心のある方は次回も是非いらしてください！（文責：宮本有紀）
2010/06/29
データセットの作成：ワイドをロングに！
4ヶ月も遅れましたが、、、、2010年2月25日のエビ研で行った演習の内容をここに記しておきます！馬ノ段（うまりの）さまがファイルを保存していてくれました、うまちゃんありがとう！
この日の演習１は、SPSSのGUI画面でワイドからロングにする方法でした。（シンタックス操作でのワイドからロング、ロングからワイドについてはこちらをご参照ください。）
「選択された変数を使用します」でidを選択。
名前を自由に書き換えます！
そのままそのまま。
シンタックスを残しましょう！！
完成！！！！
＜おまけで＞
Timeが測定時点の期間ではなく、順序で表示されているので変更しておく
1, 1, 2, 3 → 2, 4, 6, 8 へ
うまちゃん、感謝です！
この日の演習１は、SPSSのGUI画面でワイドからロングにする方法でした。（シンタックス操作でのワイドからロング、ロングからワイドについてはこちらをご参照ください。）
「選択された変数を使用します」でidを選択。
名前を自由に書き換えます！
そのままそのまま。
シンタックスを残しましょう！！
完成！！！！
＜おまけで＞
Timeが測定時点の期間ではなく、順序で表示されているので変更しておく
1, 1, 2, 3 → 2, 4, 6, 8 へ
うまちゃん、感謝です！
2010/05/28
次（2010/7/1Thurs）もMixed Modeｌ続き
前回（5月20日）は、たくさんの方にご参加いただき、和気藹々とした会となりました。Mixed Modelの復習からはじまり、Random EffectとFixed Effectをどう考えたら良いのか、Multilevelのlevel 1とかlevel 2はどう考えるのか、身近な話題を例にして考えました。
次回もMixed Model（あるいはMultilevel Model）の続きです。
Mixed Modelを知りたい人、縦断データを解析する予定の人、どのような方もどうぞいらしてください。
日 時：2010年7月1日（木）18:00～19:30
テーマ：Mixed Model (9)＜縦断データ初級編（4）＞
場 所：医学部３号館 3階S308
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
いつも、感想だけじゃなくて、エビ研で行った内容についてちゃんとした報告を書かないと、という思いで記事をなかなか書けずにいて次回予告が遅れてしまうことを反省して、今回は、まずは予告だけアップします。
学んだことをすぐに忘れてしまうので、思い出すきっかけとするためにも、会の記録のためにも、できるだけこのブログにいろいろ報告を残しておきたいとは思っています。
ご関心のある方は次回も是非いらしてください！（文責：宮本）
次回もMixed Model（あるいはMultilevel Model）の続きです。
Mixed Modelを知りたい人、縦断データを解析する予定の人、どのような方もどうぞいらしてください。
日 時：2010年7月1日（木）18:00～19:30
テーマ：Mixed Model (9)＜縦断データ初級編（4）＞
場 所：医学部３号館 3階S308
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
いつも、感想だけじゃなくて、エビ研で行った内容についてちゃんとした報告を書かないと、という思いで記事をなかなか書けずにいて次回予告が遅れてしまうことを反省して、今回は、まずは予告だけアップします。
学んだことをすぐに忘れてしまうので、思い出すきっかけとするためにも、会の記録のためにも、できるだけこのブログにいろいろ報告を残しておきたいとは思っています。
ご関心のある方は次回も是非いらしてください！（文責：宮本）
2010/05/14
次（2010/5/20）は成長曲線モデル（Mixed Modeｌ）続き
前回（2月25日）から3ヶ月も空いてしまいました！
次回も成長曲線モデルの続きを行います。だいぶ時間があいてしまったので、Mixed Model（あるいはMultilevel Model）の復習からになると思います。
Mixed Modelを知りたい人、縦断データを解析する予定の人、
どのような方もどうぞいらしてください。
日 時：2010年5月20日（木）18:00～19:30
テーマ：縦断データ－成長曲線モデル初級編（3）
場 所：医学部３号館 3階S308
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
次回も成長曲線モデルの続きを行います。だいぶ時間があいてしまったので、Mixed Model（あるいはMultilevel Model）の復習からになると思います。
Mixed Modelを知りたい人、縦断データを解析する予定の人、
どのような方もどうぞいらしてください。
日 時：2010年5月20日（木）18:00～19:30
テーマ：縦断データ－成長曲線モデル初級編（3）
場 所：医学部３号館 3階S308
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
2010/04/06
次回の日程調整中
ご無沙汰しています。前回のエビ研：Growth Model初級編(2)（2010/2/25）の報告もしないまま随分時間が経ってしまいました。
当時のメモには、「普通のMixedはみんなの平均。Growth Modelはそれぞれ。」と書いてあり、さらに、「個人が組織にnestされる。」「個人に測定時間がnestされる。」との記述もあります。これはなんの文脈だったのか。。。記憶が不確かなのにここに書くのもなんですが、とりあえずメモということで。
そのときのシンタックスや出力はあるので、また復習しながら（いつか）書きたいと思います。
ところで、次回のエビ研開催日程は、現在調整中です。新学期のスタートが決まり次第ご連絡させていただきます。
ご要望があれば宮本までお知らせ下さいませ。
当時のメモには、「普通のMixedはみんなの平均。Growth Modelはそれぞれ。」と書いてあり、さらに、「個人が組織にnestされる。」「個人に測定時間がnestされる。」との記述もあります。これはなんの文脈だったのか。。。記憶が不確かなのにここに書くのもなんですが、とりあえずメモということで。
そのときのシンタックスや出力はあるので、また復習しながら（いつか）書きたいと思います。
ところで、次回のエビ研開催日程は、現在調整中です。新学期のスタートが決まり次第ご連絡させていただきます。
ご要望があれば宮本までお知らせ下さいませ。
2010/02/13
次回は縦断データ解析
先日（2010/1/21）のエビ研は、成長曲線モデル(growth model)のざっくりとした考え方とSASでの解析画面を見せてもらいました。
そのときに学んだことを書きたいのですが、まずはとりあえず次回の日程と、懇親会兼勉強会の様子をアップします。
次回の日程のご連絡です。
縦断データを解析する予定の人も含め、どのような方もどうぞいらしてください。
日 時：2010年2月25日（木）13:30～15:00
テーマ：縦断データ－成長曲線モデル初級編（2）
場 所：医学部３号館 2階S210計算機室または3階S308
さらに、当日プロジェクター等を使って勉強しながら行った懇親会の残り香（？）を末尾にご報告します。
どうもありがとうございました。
ご関心のある方は次回も是非いらしてください！（文責：宮本）
そのときに学んだことを書きたいのですが、まずはとりあえず次回の日程と、懇親会兼勉強会の様子をアップします。
次回の日程のご連絡です。
縦断データを解析する予定の人も含め、どのような方もどうぞいらしてください。
日 時：2010年2月25日（木）13:30～15:00
テーマ：縦断データ－成長曲線モデル初級編（2）
場 所：医学部３号館 2階S210計算機室または3階S308
さらに、当日プロジェクター等を使って勉強しながら行った懇親会の残り香（？）を末尾にご報告します。
どうもありがとうございました。
ご関心のある方は次回も是非いらしてください！（文責：宮本）
2010/01/18
次（2010/1/21）は成長曲線モデル（再掲）
次回の日程のご連絡です（再掲）。
Mixed Modelを知りたい人、縦断データを解析する予定の人、
どのような方もどうぞいらしてください。
日 時：2010年1月21日（木）17:00～18:30
テーマ：縦断データ－成長曲線モデル初級編（1）
場 所：医学部３号館 3階S308
さらに!エビ研終了後に懇親会を予定しています。
懇親会だけの出席も歓迎です！ぜひぜひいらしてくださいませ。
Mixed Modelを知りたい人、縦断データを解析する予定の人、
どのような方もどうぞいらしてください。
日 時：2010年1月21日（木）17:00～18:30
テーマ：縦断データ－成長曲線モデル初級編（1）
場 所：医学部３号館 3階S308
さらに!エビ研終了後に懇親会を予定しています。
懇親会だけの出席も歓迎です！ぜひぜひいらしてくださいませ。
2009/12/18
次（2010/1/21）は成長曲線モデル
先日（2009/12/17）のエビ研は、Mixed Model初級編(5)ということで、SPSSを用いたデータ解析を続けています。
引き続き前々回から用いているサンプルデータと資料を使い、Model 3とModel 4を行いました。
ここまでで、これまで使ってきた学生(Level 1)と学校(Level 2)という二つのレベルのある、hsb12のデータを用いる解析はおしまいです。
次回からは、縦断データを用いて成長曲線モデル(growth model)に取りかかりたいと思います。
次回は縦断データの構造を知り、どんな風に解析するかを（一人一台ずつで解析するのではなく）土屋さんと米倉さんに画面を見せてもらいながら進めます。
エビ研でMultilevel model (Mixed model) に取り組み始めたときは、私自身はこれを使った解析をしたこともなく、正直なところ、？？？がいっぱいでしたが、すてきな参加者の皆様のおかげで、どういうものかは（ちょっと）わかってきた気がします。少なくとも論文に書いてあることはわかるようになった気がします（たぶん。）。
というわけで、なんだか難しそう！と一瞬思った方も、臆することなくいらしてください。
次回の日程のご連絡です。
Mixed Modelを知りたい人、縦断データを解析する予定の人、
どのような方もどうぞいらしてください。
日 時：2010年1月21日（木）17:00～18:30
テーマ：縦断データ－成長曲線モデル初級編（1）
場 所：医学部３号館 3階S308
さらに!次回エビ研終了後に新年会を兼ねた懇親会を予定しています。
懇親会だけの出席も歓迎です！ぜひぜひいらしてくださいませ。
2009/12/17に行ったこと：
サンプルデータと資料は前々回と同じです。
1. Model 3: Conditional Model - Centered Level 1 Predictor (Student)(資料p7）
シンタックスは下記。
MIXED mathach WITH cses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = cses | SSTYPE(3)
/RANDOM = INTERCEPT cses | SUBJECT(school) COVTYPE(UN).
ここでは、学生のsocioeconomic statusから学校ごとの平均値(meanses)を引いた値（cses = ses - meanses)が固定効果とランダム効果として投入されています。
この分析を行って固定効果の推定を見ると、csesが0の時の数学の成績（mathach）が12.65であることがわかり、さらに、学生個人のsesが1高くなると、数学の成績が2.19上昇することがわかります。
さらに共変量のパラメータ推定値を見ると、Intercept + CSES [subject = SCHOOL] = UN(1,1)、UN(2,1)、UN(2,2)とあり、それぞれ推定値が8.68, 0.05, 0.69と出力されています。
これはInterceptとcsesの分散共分散行列と考えれば良いとのことで、イメージとしては↓こんな感じでしょうか。
つまり、UN(1,1)は切片、UN(2,2)は傾き、UN(2,1)は切片と傾きの共分散ってことだと思います（かなりあやしい。違ってたらご指摘ください。）
で、ここからは、学校間でどれくらい切片と傾きが異なるかということを読み取ります。ここで読み取れることは、学校の平均の数学の成績は、学生のSocioeconomic statusで統制した後も学校間で有意に異なっている。学生のsocioeconomic status(cses)と成績の関係（傾き）は学校により異なっている。平均の数学の成績の高いところほど傾きが大きくなる（小さくなる）というような関係は見られない。ということです。
2. Model 4: Conditional Model - Centered Level 1 and Level 2 Predictorsを実施。(資料p.8)
シンタックスは下記。
MIXED mathach BY sector WITH meanses cses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = meanses sector cses meanses*cses sector:cses | SSTYPE(3)
/RANDOM = INTERCEPT cses | SUBJECT(school) COVTYPE(UN).
ここで、カテゴリカルデータであるsector（公立かカソリックか）と、交互作用項が登場してきます。
meansesとcsesの交互作用が有意であったことから、その学校に通っている学生の社会経済的地位(ses)の平均(meanses=学校の平均ses)により、個々人のsesと数学の成績の高さの関係の度合いは異なり、この結果からは、通っている学生のsesの平均(meanses)が高い学校ほど、個々人のsesの高さが数学の成績の高さを説明する度合いが高い、ということです。
とは言え、共変量の推定値を見ると、傾きのばらつきは0.10ととても小さく、この傾きが学校間で異なるものとして考慮することは「役に立たない。」、切片だけは学校間で異なるとすることが適切であろう、と資料にはありました。
こういったことをSPSS等の出力結果から一人でちゃちゃっと読み取れるようになりたいものです。。。
そうそう、それから、シンタックス2行目でMETHODとして指定するREMLですが、これは、推定の方法とのことで、REMLとMLの2種類があり、REMLがMLに比べて良い点については、Multilevel analysis for applied researchに書いてある模様。
次回は縦断データです。
ご関心のある方は次回も是非いらしてください！ （文責：宮本有紀）
引き続き前々回から用いているサンプルデータと資料を使い、Model 3とModel 4を行いました。
ここまでで、これまで使ってきた学生(Level 1)と学校(Level 2)という二つのレベルのある、hsb12のデータを用いる解析はおしまいです。
次回からは、縦断データを用いて成長曲線モデル(growth model)に取りかかりたいと思います。
次回は縦断データの構造を知り、どんな風に解析するかを（一人一台ずつで解析するのではなく）土屋さんと米倉さんに画面を見せてもらいながら進めます。
エビ研でMultilevel model (Mixed model) に取り組み始めたときは、私自身はこれを使った解析をしたこともなく、正直なところ、？？？がいっぱいでしたが、すてきな参加者の皆様のおかげで、どういうものかは（ちょっと）わかってきた気がします。少なくとも論文に書いてあることはわかるようになった気がします（たぶん。）。
というわけで、なんだか難しそう！と一瞬思った方も、臆することなくいらしてください。
次回の日程のご連絡です。
Mixed Modelを知りたい人、縦断データを解析する予定の人、
どのような方もどうぞいらしてください。
日 時：2010年1月21日（木）17:00～18:30
テーマ：縦断データ－成長曲線モデル初級編（1）
場 所：医学部３号館 3階S308
さらに!次回エビ研終了後に新年会を兼ねた懇親会を予定しています。
懇親会だけの出席も歓迎です！ぜひぜひいらしてくださいませ。
2009/12/17に行ったこと：
サンプルデータと資料は前々回と同じです。
1. Model 3: Conditional Model - Centered Level 1 Predictor (Student)(資料p7）
シンタックスは下記。
MIXED mathach WITH cses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = cses | SSTYPE(3)
/RANDOM = INTERCEPT cses | SUBJECT(school) COVTYPE(UN).
ここでは、学生のsocioeconomic statusから学校ごとの平均値(meanses)を引いた値（cses = ses - meanses)が固定効果とランダム効果として投入されています。
この分析を行って固定効果の推定を見ると、csesが0の時の数学の成績（mathach）が12.65であることがわかり、さらに、学生個人のsesが1高くなると、数学の成績が2.19上昇することがわかります。
さらに共変量のパラメータ推定値を見ると、Intercept + CSES [subject = SCHOOL] = UN(1,1)、UN(2,1)、UN(2,2)とあり、それぞれ推定値が8.68, 0.05, 0.69と出力されています。
これはInterceptとcsesの分散共分散行列と考えれば良いとのことで、イメージとしては↓こんな感じでしょうか。
| Intercept (1) | cses (2) | |
| Intercept (1) | 8.68 | 0.05 |
| cses (2) | 0.05 | 0.69 |
つまり、UN(1,1)は切片、UN(2,2)は傾き、UN(2,1)は切片と傾きの共分散ってことだと思います（かなりあやしい。違ってたらご指摘ください。）
で、ここからは、学校間でどれくらい切片と傾きが異なるかということを読み取ります。ここで読み取れることは、学校の平均の数学の成績は、学生のSocioeconomic statusで統制した後も学校間で有意に異なっている。学生のsocioeconomic status(cses)と成績の関係（傾き）は学校により異なっている。平均の数学の成績の高いところほど傾きが大きくなる（小さくなる）というような関係は見られない。ということです。
2. Model 4: Conditional Model - Centered Level 1 and Level 2 Predictorsを実施。(資料p.8)
シンタックスは下記。
MIXED mathach BY sector WITH meanses cses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = meanses sector cses meanses*cses sector:cses | SSTYPE(3)
/RANDOM = INTERCEPT cses | SUBJECT(school) COVTYPE(UN).
ここで、カテゴリカルデータであるsector（公立かカソリックか）と、交互作用項が登場してきます。
meansesとcsesの交互作用が有意であったことから、その学校に通っている学生の社会経済的地位(ses)の平均(meanses=学校の平均ses)により、個々人のsesと数学の成績の高さの関係の度合いは異なり、この結果からは、通っている学生のsesの平均(meanses)が高い学校ほど、個々人のsesの高さが数学の成績の高さを説明する度合いが高い、ということです。
とは言え、共変量の推定値を見ると、傾きのばらつきは0.10ととても小さく、この傾きが学校間で異なるものとして考慮することは「役に立たない。」、切片だけは学校間で異なるとすることが適切であろう、と資料にはありました。
こういったことをSPSS等の出力結果から一人でちゃちゃっと読み取れるようになりたいものです。。。
そうそう、それから、シンタックス2行目でMETHODとして指定するREMLですが、これは、推定の方法とのことで、REMLとMLの2種類があり、REMLがMLに比べて良い点については、Multilevel analysis for applied researchに書いてある模様。
次回は縦断データです。
ご関心のある方は次回も是非いらしてください！ （文責：宮本有紀）
2009/12/11
次回（12/17）もデータを用いてMixed Model
先日（2009/12/3）のエビ研は、Mixed Model初級編(4)ということで、引き続きSPSSを用いてデータ解析を行いました。
この回では前回から用いているサンプルデータと、資料を使って続きを行っています。
まず、復習を兼ねて「まずする分析（= Example 1: The Unconditional Model）」を、前々回はシンタックスで実行させたところをGUI画面（でいいのかな？画面を出してクリックして方法などを選択していく、あれです。）で同じ分析を行うということをやってみました。
その後、Example 2に進んでいます。
これに関する詳しい内容は、また後日加筆いたします。（12/14に加筆しました。）
とりいそぎ、次回の日程のご連絡です。
次回もまた同じデータと資料を用いて続きを行います。
Mixed Modelを知りたい人、使用予定の人、どのような方もどうぞいらしてください。
日 時：2009年12月17日（木）11:00～
テーマ：Mixed Model 初級編（5）
場 所：医学部３号館 2階S210（計算機室）
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
この日（2009/12/3）行ったこと：
サンプルデータと資料は前回と同じです。
1. Example 1をGUI画面で行う。（資料p15のAppendixにあります。）
ここでは被験者にschoolを入れ、独立変数にmathach（数学の成績）を入れます。
ランダム効果の画面で共分散の構造で「Unstructured」を選択。
統計量を開き、「パラメータ推定値」と「共分散パラメータの検定」をチェック。
シンタックスを直接書くときは下記となります。（これは前回と同じ。）
MIXED mathach
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = | SSTYPE(3)
/RANDOM = INTERCEPT | SUBJECT(school ) COVTYPE(UN).
2. Example 2: Conditional- Level 2 Predictorを実施。
シンタックスは下記。
MIXED mathach WITH meanses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = meanses | SSTYPE(3)
/RANDOM = INTERCEPT | SUBJECT(school ) COVTYPE(UN).
この分析で、Level 1は個人、Level 2は学校ということになります。
ここでは、socioeconomic statusの学校ごとの平均値(meanses)が固定効果として投入されています。（meansesは、平均値が0となるように中心化されています。）
この分析を行った出力結果の切片を見ると、meansesが0の時の数学の成績（mathach）が12.6494であることがわかり、さらに、sesが1高くなると、数学の成績が5.86上昇することがわかります。
ところで、共分散構造をUnstructured（UN)にすることについてですが、これは、ばらつきがそれぞれ違うと言う仮定で行うものとのことで、サンプル数が少ないと収束しないことがあるとのことです。
サンプル数が多くない場合等、UNでは収束しないようなデータの場合には、こちらで共分散構造をある程度規定する必要が出てくるとのことでした。（どんなときにどれを選ぶか、っていうのは、私にはまだよくわかりません。。。。）
次回はModel 3.（資料p.7）からです。
ご関心のある方は次回も是非いらしてください！ （文責：宮本有紀）
この回では前回から用いているサンプルデータと、資料を使って続きを行っています。
まず、復習を兼ねて「まずする分析（= Example 1: The Unconditional Model）」を、前々回はシンタックスで実行させたところをGUI画面（でいいのかな？画面を出してクリックして方法などを選択していく、あれです。）で同じ分析を行うということをやってみました。
その後、Example 2に進んでいます。
とりいそぎ、次回の日程のご連絡です。
次回もまた同じデータと資料を用いて続きを行います。
Mixed Modelを知りたい人、使用予定の人、どのような方もどうぞいらしてください。
日 時：2009年12月17日（木）11:00～
テーマ：Mixed Model 初級編（5）
場 所：医学部３号館 2階S210（計算機室）
また、Mixed Modelを用いた研究で解析方法について丁寧に記述してある論文をお持ちの方は、是非ご紹介ください。
この日（2009/12/3）行ったこと：
サンプルデータと資料は前回と同じです。
1. Example 1をGUI画面で行う。（資料p15のAppendixにあります。）
ここでは被験者にschoolを入れ、独立変数にmathach（数学の成績）を入れます。
ランダム効果の画面で共分散の構造で「Unstructured」を選択。
統計量を開き、「パラメータ推定値」と「共分散パラメータの検定」をチェック。
シンタックスを直接書くときは下記となります。（これは前回と同じ。）
MIXED mathach
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = | SSTYPE(3)
/RANDOM = INTERCEPT | SUBJECT(school ) COVTYPE(UN).
2. Example 2: Conditional- Level 2 Predictorを実施。
シンタックスは下記。
MIXED mathach WITH meanses
/METHOD = REML
/PRINT = SOLUTION TESTCOV
/FIXED = meanses | SSTYPE(3)
/RANDOM = INTERCEPT | SUBJECT(school ) COVTYPE(UN).
この分析で、Level 1は個人、Level 2は学校ということになります。
ここでは、socioeconomic statusの学校ごとの平均値(meanses)が固定効果として投入されています。（meansesは、平均値が0となるように中心化されています。）
この分析を行った出力結果の切片を見ると、meansesが0の時の数学の成績（mathach）が12.6494であることがわかり、さらに、sesが1高くなると、数学の成績が5.86上昇することがわかります。
ところで、共分散構造をUnstructured（UN)にすることについてですが、これは、ばらつきがそれぞれ違うと言う仮定で行うものとのことで、サンプル数が少ないと収束しないことがあるとのことです。
サンプル数が多くない場合等、UNでは収束しないようなデータの場合には、こちらで共分散構造をある程度規定する必要が出てくるとのことでした。（どんなときにどれを選ぶか、っていうのは、私にはまだよくわかりません。。。。）
次回はModel 3.（資料p.7）からです。
ご関心のある方は次回も是非いらしてください！ （文責：宮本有紀）
登録:
投稿 (Atom)