HLM多層次線性分析、理論、方法與實務

Hierarchical Linear and Nonlinear Modeling (HLM)稱為階層線性模型也有人稱為多層次迴歸分析Multilevel Linear Modeling，
HLM也可以跑panel data analysis 縱斷面分析, 一般線性分析 (GLM)等, 為現在時下研究必備要學的統計工具。
也就是在SEM結構方程模型中所稱的潛在成長模型 Latent Growth Curve ; Latent Growth Modeling。

　　層級線性與多層次模型在國內外日益受到重視，最主要是傳統統計方法只能估計單一個體層級或單一組織層級，這對估計現實世界的情況有很大偏誤，比如說員工的工作滿意，如果只是單一估計員工個別因素，可能會錯估它們工作系絡或組織的潛在影響。多層次與層級線性模型廣泛應用到組織管理、教育、醫藥健康等領域。
這本書主要應用層級線性與多層次模型的理論、實務與軟體應用的參考書。

　　這本書的目標即在提供有興趣多層次分析的學生、學者與實務人員教學與研究的指導。在這本書亦提供範例的資料檔與統計程式操作方式。這些基礎理論與範例有助於我們瞭解多層次分析。要深入瞭解這本書必須要有基本的多元迴歸方程式的知識。這本書會提供HLM 6.08所演示的範例，針對多層次迴歸分析主要模型的操作程序，並強調這些統計軟體所產生的報表解釋，諸如結果變項為連續變數或者類別變數的兩層與三層模型、輔助性統計(如迴歸係數信賴區間、組內相關係數等)、檢視模型假設等。

　　在這本書主要環繞著為什麼多層次分析對組織研究、不同領域研究處於關鍵？什麼是多層次分析的概念模型？多層次分析模型跟傳統模型有何不同？如何正確操作多層次分析的統計軟體，以及提出關鍵性解釋。線性混合效果模型基本概念與變異數分析的估計，包含可以衡量固定效果，以及無法直接估計而由變異數與共變異數矩陣估計的隨機效果模型(包含連續變數、類別資料變數、時間資料)。