元分析(多水平模型应用新进展)

多水平模型应用新进展主要内容•元分析•交叉分类模型•多水平结构方程模型–多水平路径分析：多水平中介作用和多水平调节作用–多水平因素分析–多水平潜变量结构模型基于多水平技术的元分析•描述基于多水平分析技术的元分析原理•介绍一项具体研究•演示如何用HLM6版本软件对元分析数据进行处理•撰写元分析文章的一般步骤元分析介绍•不同于传统的、叙述性的文献综述方法•元分析用特定的统计方法整合现存的、针对某问题进行的各个研究结果–研究结果差异很大，结论是什么？–进行量的总结，相对精确的描述性统计结果–解释研究结果的不一致性–如果各研究结果之间的变异不大，通过统计方法对现有的研究结果进行平均，得到一个平均结果，–如果各个研究结果之间的差异比较显著，元分析的目的就要加上解释造成这种差异的原因•Metaanalysis,systematicreview元分析的数据结构•元分析是多水平分析的一个特例•看各个研究结果的数据结构，其可以被认为是一个多水平结构的数据•各研究中的被试被看作是第一水平的单位，各个研究可被看作是第二水平的单位•可建立一个2水平模型来探讨水平2（各个研究）的特征对研究结果的影响•各个研究的特征作为第二水平的自变量–对因变量(效应量effectsize)的影响–及各研究结果(效应量)变异的影响多水平分析的特例:元分析•元分析中没有研究的原始数据•各研究的测量方法不同（ES：智力）–韦氏智力、瑞文、比内、K－ABC–橘子和苹果〔水果〕•需要标准化ES，转化各个研究的ES–不同研究的测试结果进行进一步的比较•大样本量〔30〕时各样本ES的抽样分布服从方差已知的正态分布–第一层的方差已知：V－known模型多水平元分析的模型基本的研究结果分析模型dj=δj+ejdj是第j个研究的研究结果ESδj第j个研究结果相应的总体参数值ej是第j个研究结果的抽样误差，并且假定ej服从已知方差是σj2的正态分布(V-known)多水平元分析的模型假定各个研究的结果δj在各个研究之间是随机变异的，并且是各研究特征的函数，可以进一步建立下面的研究结果分析模型δj=β0+β1z1j+β2z2j＋…+βpzpj+μjz是各个研究的特征p为水平2解释变量的个数μj是水平2的残差项,并且假定μj服从方差是σμ2的正态分布jjjed多水平元分析的模型合并这两个公式得到模型dj=β0+β1z1j+β2z2j＋…+βpzpj+μj+ej如果方程中没有水平2的解释变量，则方程就还原为基本的截距模型：dj=β0+μj+ejβ0是所有研究结果的平均数μj的方差σμ2是各研究结果分布的方差，表明各研究结果的离散情况如果σμ2显著不为0,说明各研究结果间有较大程度的差异，我们进一步就可以把水平2的变量（各研究的特征）拟和到方程中探察他们对各研究结果变异的解释程度。小结1.建立一个方差已知的2水平模型2.计算方程的截据3.计算方程水平2的方差及检验4.计算水平2变量的系数及检验1.建立多水平模型2.计算研究结果的平均数3.分析研究结果的变异程度4.分析研究特征的影响作用总结既有研究结果，根据影响因素提出自己的研究问题常用的效应量转换和抽样方差计算公式数据准备效应量转换抽样方差计算研究实例•儿童攻击行为对其同伴关系的影响，现有研究结果之间的有一定程度的差异–攻击行为导致其糟糕的同伴关系–中国文化背景下，有攻击行为的儿童可能更加不被同伴接受–假定现有探讨儿童攻击行为和同伴接受的研究中，各个研究结果之间的变异显著，东方文化背景下儿童的攻击行为被同伴更加拒绝攻击和同伴关系相关结果的平均数，研究结果的离散情况、研究所用被试文化背景的作用研究步骤：文献查找和入选标准•Olweus1978年的工作被认为是系统、科学地研究儿童攻击行为的里程碑，这样我们的文章搜索就从1978年开始•各数据库的搜寻年代设定情况–PsycINFO设为1978-2002，–EducationFullText为1983-2002，–ERIC为1966-2002。•因为我们的目的在于对近20年来的研究资料进行分析，并且有的文章没有能用于元分析的数据，因此具体的文献选择就从1980年开始，入选的资料只包括发表在杂志上和出版过的书籍中的内容，•最后共有47个研究结果参与元分析。效应量(effectsize)的计算•效应量为儿童攻击行为和同伴拒绝的相关系数r•Fisher-Z转换•计算与每个Fisher-Z分数相应的–标准误（MLwiN）–方差（HLM）•用FisherZ分数进行多水平回归分析，结果再进行FisherZ分数的逆转换得到相应的相关系数值•显著性检验的分析：addingZ’s方法，把合并过的Z*值转化为相应的单侧P值即为该相关系数的显著性检验结果(不是多水平)研究结果一般描述攻击拒绝Stem-and-LeafPlotFrequencyStem&Leaf2.001.143.002.1244.002.59999.003.0011124447.003.66667898.004.001233344.004.55791.005.04.005.55775.006.002442.006.553.007.244Stemwidth:0.1Eachleaf:1case(s)平均数0.441中数0.404众数0.291下四分位0.312上四分位0.555最小值0.11最大值0.74研究结果数52Stem-and-LeafPlot为实际相关系数，其他统计量r的计算基于fisherZ结果进行分析变量的界定和步骤•因变量为儿童攻击行为和同伴拒绝的相关•研究中第二水平的自变量为各研究被试的文化背景–数据处理中把西方文化背景编码为0，中国文化背景编码为1。•分析中首先综合各个研究的研究结果并考察各研究结果之间的变异程度–截据平均数和水平2变异检验•在各研究结果之间变异程度显著的基础上进一步考察各研究的特征变量――在本章中就是被试的文化背景――对研究结果的影响作用大小和作用方向。–水平2变量的作用•本研究的分析结果显示对效应量相关系数的显著性程度进行的检验显示儿童的攻击行为和同伴拒绝间的相关达到了显著性水平(P=0.00)。攻击同伴拒绝相关的元分析结果截距模型文化模型固定部分截距ß00.481(0.032)0.450(0.030)中国文化γ110.321(0.097)随机部分研究结果方差20.039(0.010)0.031(0.008)2检验599.28**449.59**（括号内为标准差）*p0.05,**p0.01解释•攻击和同伴拒绝之间相关系数的平均数是0.45(0.481的fisherZ逆转换)，各研究结果的方差是0.039，2值是599.3，达到了检验的显著性水平，说明各研究结果间的离散程度比较显著，可能存在有水平2的变量，即各个研究的特征变量对这些变异有一定程度的解释。•进一步分析中把各研究的特征变量，即被试的文化背景变量加入到方程中，结果显示，在东方文化背景下，有攻击行为的儿童更加受到同伴的拒绝(γ11=0.321)，同时，水平2的方差变成了0.031，被试的文化背景变量解释了20.51％的水平2方差，但此时水平2的方差依然显著，说明还存在有当前分析没有涉及到的变量能进一步解释各研究结果间的变异。–不同班级的影响？–提出新研究问题的数据基础用HLM6进行元分析的步骤•没有菜单•使用简单的命令•数据必须整理成固定的格式，然后通过命令逐步创建进行元分析所需要的MDM文件数据数据结构说明•数据中的第一列是各个研究的编号，必须是字符串变量。•数据中的第二列是各个研究中的结果，即每个研究中的效应量，是数值型变量。•数据中的第三列是各个研究中每个效应量的误差方差，是数值型变量。•数据中的第四列是各个研究的特征变量，在本研究中就是被试的文化背景，0代表西方文化背景的被试，1代表东方文化背景的被试。该列变量也必须是是数值型变量。•注意dat格式的数据文件中没有变量名创建MDM文件和计算步骤•安装HLM软件的目录下面直接运行HLM2s.exe文件•Willyoubestartingwithrawdata?y“此时我们要基于原始文件创建mdm文件，因此选y”•Istheinputfileav-knownfile?y“特指是否用于元分析的数据文件，因此选y”•Howmanylevel-1statisticsarethere?1“只有一个”•Howmanylevel-2predictorsarethere?1“只有一个”•Enter8characternameforlevel-1variablenumber1:aggrjt“效应量的名字”•Enter8characternameforlevel-2variablenumber1:culture“水平2变量的名字”•Inputformatofrawdatafile(thefirstfieldmustbethecharacterID)format:(A2,3F11.8)“数据格式”•Whatfilecontainsthedata?Aggrjt2.dat“原始数据的位置和名字”•EnternameofMDMfile:aggrjt2.mdm“所创建的mdm文件的名字和位置”•47groupshavebeenprocessed运行不包括水平2变量的模型•分析过程的第一步是综合各研究的研究结果和考察各研究结果的变异情况•分析中没有水平2变量进入方程•在HLM目录下面运行HLM2s.exe文件运行增加水平2变量(研究的特征变量)的模型