分层线性模型

您一直等待的修订版就在这里！由于充满丰富的研究示例，并对分层线性模型(HLM)理论与应用有透彻的解释，其第1版就广受欢迎，现在这本书的第2版又重新组织为四大部分，并且加入了全新的4章内容。前两个部分，即第一部分“原理”和第二部分“基本应用”，紧密对应着上一版中的9章，但是已经大量扩展了内容，技术解释更为清晰，比如：

对HLM模型中的基本估计和推断程序提供了一个直观的介绍性总结。

在第6章中新加了一节多元增长模型。

第7章增加了对研究综合或元分析应用的讨论。

对数据分析中层-1自变量定位方法的建议以及可信值区间与稳健标准误方面的新材料。

虽然第1版主要是讨论层-1结果变量为连续分布的情况，然而现在的第 2版的第三部分中又包括了一系列其他类型结果变量的分析，比如： 　　新的第10章介绍分层模型在结果变量为二分类变量、计数变量、序次变量以及多项分类变量条件...

您一直等待的修订版就在这里！由于充满丰富的研究示例，并对分层线性模型(HLM)理论与应用有透彻的解释，其第1版就广受欢迎，现在这本书的第2版又重新组织为四大部分，并且加入了全新的4章内容。前两个部分，即第一部分“原理”和第二部分“基本应用”，紧密对应着上一版中的9章，但是已经大量扩展了内容，技术解释更为清晰，比如：

对HLM模型中的基本估计和推断程序提供了一个直观的介绍性总结。

在第6章中新加了一节多元增长模型。

第7章增加了对研究综合或元分析应用的讨论。

对数据分析中层-1自变量定位方法的建议以及可信值区间与稳健标准误方面的新材料。

虽然第1版主要是讨论层-1结果变量为连续分布的情况，然而现在的第 2版的第三部分中又包括了一系列其他类型结果变量的分析，比如： 　　新的第10章介绍分层模型在结果变量为二分类变量、计数变量、序次变量以及多项分类变量条件下的应用，并且每种情况都提供了详细的示例和说明。

新的第11章讨论了潜在变量模型，其中包括在HLM框架下对有缺失的数据以及在自变量有测量误差时如何进行回归估计，还包括了嵌入性分项反应模型。

第13章则是关于分层数据分析中贝叶斯推断原理的介绍。

作者在第四部分中对全书应用的统计理论以及计算方法进行了总结，包括层-1为正态分布误差的单变量模型、多元线性模型以及分层一般化线性模型。此外，还给读者提供了一个新的链接网址，可以下载有关数据并访问更多的技术资料。