5级HLM分析

Question

我试图分析一个由五个不同层次组成的层次结构，在这个层次上，学生对教师的评价可能会被汇总。

教师评等是从每个学期每个班的学生中收集的。

评分(，level1)嵌套在学生( (level2) )中，他们自己嵌套在节( (level3)或classes (level4) )中，这些节也嵌套在层次结构的较高级别中。

lmer函数或其他函数能够处理这样的分析吗？

如果是，语法是什么？

Answer 1

如果所有的等级都像问题所建议的那样是真正嵌套的(即不交叉分类:每一个等级都是由一个学生做的，每个学生都在一个节里，每个部分都在一个班……)，那么具体的答案是你想要包括

(1|class/section/student/rating)

作为lmer模型中的随机效应项。

如果您有更多的级别，您可以使用包含更高级别的扩展版本。

(1|toplevel/nextlevel/nextlevel2/.../bottomlevel)

正如@Alex建议的那样，这是在vignette中描述的(表2，第6页)，尽管它在示例中只显示了两个层次的嵌套。

@Alex还表示，您的数据可能是交叉分类的--学生可能会在多个类中提供评分--在这种情况下，您可能需要添加附加的术语。

(1|class/section/student/rating) + (1|student)

会让不同班级的学生产生一致的效果。

lme函数(在nlme包中)也可以处理任意数量的嵌套级别，尽管处理交叉分类比较困难(对于大型数据集，它可能比lmer慢)。

Answer 2

让我们定义一些您在文章中没有提供的符号：

Y =评级

ID =学生id

section =类节

class =类

我还假设你是说学生在班级和部门之间是交叉分类的。在lme4中，我们通常假定交叉分类是独立的.

然后你就有：

lm1 <- lmer(Y ~ <FE vars> + (1|class/ID) + (1|section/ID), data= df)

在这里，我们使用/表示层次结构的级别(例如。( section/ID)在斜杠左边有更高的级别。更高的级别将是XYZ/section/ID。此外，不同的()元素表现出交叉分类。您也可以使用(class || section)和(1|...)表示随机拦截，但不表示随机斜率。

注意：

所有这些信息都在格列奈特中，您可以阅读这些信息。