干货丨数据分析之跨层模型检验

我们接着上期的内容，这期主要是完整介绍跨层模型分析的全过程，以及可以借助的各种软件~

那我们开始吧~

本期推送目标：能验证跨层模型

跨层模型与单层模型有所不同，其中会涉及到一些特有的指标，比如ICC、Rwg。此外，假设检验部分的语句和操作也会略有差异。

接下来，萜妹会按照操作顺序，给大家依次介绍。

跨层的必要性分析

拿到嵌套数据后，我们首先要进行必要性分析，证明嵌套的数据它有做跨层的必要。该步骤的常见指标为：ICC(1)、ICC(2)、Rwg，多以文字形式汇报。

来源：参考文献[1]

一、Intra-class Correlation（ICC）

ICC通常被分为了ICC(1)、ICC(2)。公式分别为：

• ICC(1)=(MSB-MSW)/{MSB+[(K+1)*MSW]}；

• ICC(2)=(MSB-MSW)/MSB。
  

【数据操作 / 数据解读】

使用软件：SPSS

①【分析】-【比较均值】-【单因素ANOVA】；

②将【跨层变量】从左侧拖入右侧因变量中➔将【分组变量】拖入【因子】中➔点击【确定】；

③此时，可得到如下结果：

④将结果复制至Excel模板➔输入【总人数/团队数】

此时，Excel会自动得出结果，如下图：

【判断标准】

判断标准其实有挺多的，萜妹这里给出的标准是ICC(1)需要大于0.12，ICC(2)需要大于0.47。跨层模型的ICC是很好满足的。

二、Rwg

使用软件：SPSS

①打开SPSS的数据文件；

②【文件】-【新建】-【语法】；

③输入如下语句➔点击运行；

AGGREGATE

/outfile='C:\Users\tie\Desktop\rwg.sav' 

/break=TID

/sdx1=sd(x1).

execute.

其中，红字部分需替换。

• 第二行，替换为自己想要输出的文件名及位置，萜妹这里是将新文件生成到了桌面；

• 第三行，替换为自己的分组变量；

• 第四行，替换为自己的跨层题项。需注意的是：量表有多少个题项都要计算，本示例为一条目，即仅计算x1的组内标准差。

此时，会有一个新的rwg.sav文件在指定位置生成。

④打开【rwg】文件➔【文件】-【新建】-【语法】；

⑤输入如下语句➔点击运行；

compute varx1=sdx1*sdx1.

compute mvar=mean(varx1).

compute nvar=1.

compute rwg=nvar*(1-(mvar/2))/(nvar*(1-(mvar/2))+mvar/2).

execute.

其中，nvar代表题项数，最后一行的2则是根据量表等级决定的。公式为（x*x-1）/12

• 5点量表该值为2；

• 6点量表该值为2.92；

• 7点量表该值为4；
  

此时，文件中会新生成几个变量，如图：

⑥计算Rwg的中位数与平均值；

这里注意，原始Rwg小于0时取0，大于1时取1。

【判断标准】

Rwg＞0.7。

基础分析

这里指的是验证性因子分析和相关性分析。

一、验证性因子分析

有些文章里会在进行完单层分析后再补充跨层的验证性因子分析。

来源：参考文献[1]

使用软件：Mplus

语句（极简版）：

TITLE ：Multilevel CFA；  

DATA: FILE IS 1.dat;

VARIABLE: NAMES ARE id x1-x6;

USEVARIABLES =  id x1-x6; 

CLUSTER = id;

ANALYSIS: TYPE = TWOLEVEL ; 

MODEL:

%Within% 

wx by x1 x2 x3 x4 x5 x6; 

%Between% 

bx by x1 x2 x3 x4 x5 x6; 

Output: 

Standardized CINTERVAL;

二、相关分析

做两层相关分析后可画出下表，也可以将团队层相关系数填至个人层面的右上角空白处。

来源：参考文献[1]

使用软件：Mplus

跨层相关分析不用额外写语句，就在跨层验证性因子分析的时候，在output中补充输出：TECH4即可。

假设检验

和单层假设检验的汇报形式其实没太大差异，这个部分就不额外说明。我们主要来说说看具体怎么验证。

这里介绍两种方法，一种是mplus+R，另一种是新出的spss的mlmed宏插件。

一、Mplus+R

（一）Mplus语句及操作

mplus还是根据模型写语句。萜妹就介绍上篇推送中用的最多三个模型的对应语句。没有太多好展开说明的，我们直接上语句。

类型 I 被中介的调节语句：

TITLE: A two-level Type I MeMo model,

DATA: FILE IS example.txt;

DEFINE:

xw = (x -3.0) * (w - 4.0) ;

CENTER x w  (GRANDMEAN) ;

VARIABLE: NAMES ARE x m w y cluster;

USEVAR1ABLES ARE x m w y xw;

CLUSTER = cluster;

BETWEEN = x w xw;

ANALYSIS: TYPE = TWOLEVEL;

MODEL: 

%WITHIN%

y on m (bw)

%BETWEEN%

m on x w

xw (a) ;

y on m (bb)

x w xw;

MODEL CONSTRAINT;

NEW (ind) ;

ind = a * bb;

OUTPUT:

SAMPSTAT;

CINTERVAL;

类型 II 被中介的调节语句：

TITLE : A two-level Type II MeMo;

DATA: FILE IS example.txt;

CENTER w m (GRANDMEAN) ;

CENTER x (GROUPMEAN) ;

VARIABLE: NAMES ARE x m w y cluster;

USEVARIABLES ARE x m w y;

CLUSTER = cluster;

WITHIN = x;

BETWEEN = w m;

ANALYSIS:

TYPE =TWOLEVEL RANDOM;

%WITHIN%

S | y on x;

%BETWEEN%

m on w (a) ;

S on m (b)

w;

y on m w;

y with S;！设立相关提高模型拟合度

MODEL CONSTRAINT;

NEW (ind) ;

ind = a * b;

OUTPUT;

SAMPSTAT;

CINTERVAL;

第一阶段被调节的中介语句：

TITLE: A two-level first-stage MoMe;

DATA; FILE IS example.txt;

CENTER w (GRANDMEAN) ;

CENTER x (GROUPMEAN) ;

VARIABLE: NAMES ARE x m w y cluster;

USE VARIABLES ARE x m w y;

CLUSTER = cluster;

WITHIN = x;

BETWEEN = w;! x、w是外生变量，需要自己定义；m、y是因变量，又是内生变量，会自动拆分。

ANALYSIS:TYPE=TWOLEYEL RANDOM;

MODEL:

%WITHIN%

S | m on x;

y on m (b2)

x;

%BETWEEN%

S on w (a1) ;! γ11

[ S ] ( a0 ) ;! γ10

m on w;

m with S;

y with m;

y with S;

y with w;! 相关

MODEL CONSTRAINT:

NEW (ind_h ind_l) ;

ind_h=(a0+a1*(.85))*b2; 

! 根据自己的值修改

ind_l=(a0+a1*(-.85))*b2; 

! 根据自己的值修改

NEW (diff) ;

Diff = ind_h - ind_l;! γ11

OUTPUT:

SAMPSTAT;

CINTERVAL;

（二）R的补充Monte Caro分析

细心的小可爱可能会发现，上述都没有进行bootstrap检验。因为跨层数据是无法在mplus中进行这一步的，所以我们还需要借助R来补充分析。

有大佬做了个网站，我们可以直接在网站中输入数字得到结果，而不需要专门去学R。

网址：http://quantpsy.org/medmc/medmc.htm

1-1-1模型：http://quantpsy.org/medmc/medmc111.htm

1-1-1模型界面：

以上的数据都可以在mplus的TECH3中得到，具体怎么看，萜妹觉得可能还是视频讲的更清楚，这里就不详细截图了。

二、SPSS的Mlmed程序

（一）前期准备

①在官网下载该宏程序；另外，萜妹建议使用手册也下下来，使用手册真的非常的有用。

(https://njrockwood.com/mlmed)

下好后，应该长这样。

②检查SPSS版本，最好是22及以上，在21以下的版本是不能用MLmed插件的。

③安装Mlmed宏程序。

第一种方式，就直接点击打开第一个文件，它就会询问你是否要安装。但是这种方式，有可能安装不上，比如萜妹的SPSS这样就失败了。

所以我找到了第二种方式：【扩展】-【安装本地扩展束】，这样就可以确保能安装啦。

④调整SPSS的输出语言！！！

Mlmed的使用手册中说了，它目前只能在输出语言为英文时使用。如果是其他语言就会报错！

而在国内SPSS一般是默认编辑语言和输出语言为中文的，所以我们先要手动调整。

【编辑】-【选项】-【语言】，就可以调整。

（二）具体分析

①【分析(A)】-【混合模型】-【Mlmed……】；

②按下图所示进行填写；

• 【DataSet】填数据对应的名字，通常是【数据集*】，注意这里是数据集的名字，不是你给这个文件的命名啊！
  

• 【Folder】填文件所在位置，注意最后要以斜杠结尾；其中，Windows是\，mac是/。

• 右侧就按照你的模型进行填充就好。

• 右上角的【Random】和【Fix】也是可以根据你的模型对应的调整。
  

注意：Mlmed只能处理M和Y在level1的模型。

【数据解读】

【判断标准】

做出来的结果包括了模型拟合、固定效应、随机效应、直接效应和上述截图的间接效应。

红框部分表示，M的中介在level1不成立，但是在level2是成立的。

最后一个红框则是Monte Caro置信区间，所以这里就不需要再使用R去计算了。

啦啦啦，终于写完啦。这篇就是纯操作说明，而不涉及原理。因为再加上部分的原理说明，萜妹怕自己驾驭不了，另外也是我觉得这篇内容已经足够多了。

关于Mlmed的介绍，上述主要是提到了很多前期准备上的东西。因为萜妹自己的使用感受是，软件操作还是很简单，模型结果也很容易看，但是按教程做却老是报错，一直报错真的很让人崩溃，所以就来让帮大家解决这个问题吧。

另外，当我把Mlmed插件研究透之后，关于Mlmed的具体介绍，可能还会有一期专门的推送，不过应该不是最近了。

下一期大概会回顾这个月的各种数据分析，之后通过录视频教程的方式更细致的带着小可爱们做一遍吧。

那小可爱们，我们下周见吧~

参考文献：

[1]]沈伊默, 诸彦含, 周婉茹,等. 团队差序氛围如何影响团队成员的工作表现？——一个有调节的中介作用模型的构建与检验[J]. 管理世界, 2019(12).104-115+136+215

相关资源：

①回复“Mlmed”，即可获得Mlmed插件安装包；

②回复“ICC计算”，即可获得Excel模板。

往期推送