论文部分内容阅读
分层结构数据非常普遍，比如，学生嵌套于学校、员工嵌套于公司、个人嵌套于社区、重复测量数据嵌套于个体等等。分层模型是针对分层数据发展起来的，它可对个体水平（微观层）和组水平（宏观层）同时进行分析。分层模型的应用越来越广泛，其参数估计和统计推断方法的研究已较为成熟。层-1自变量中心化方法的选择是分层模型中的一个关键问题，它直接影响到模型参数的估计和解释。但是，在实证研究中选择适当的中心化方法存在困难，一些实证研究人员对于中心化方式的合理运用尚感困惑，国内外实务研究论文中也存在一些误用。对分层模型中层-1自变量中心化的影响和中心化方式的选择进行分析，可以为实证研究人员提供一点参考。 分层的数据结构在大众传播定量研究中很常见，比如受众嵌套于不同的电视节目，受众嵌套于不同的民族、地区和职业，对某媒介效果的追踪调查数据等等，考虑这些数据分层的特点具有重要的意义。虽然国内已经有一些关于分层模型在社会学中的应用和介绍，但却未查阅到在大众传播学方面的相关研究，这说明分层模型在国内传播学研究中基本没有得到应用。借鉴国外大众传播学定量研究中分层模型的应用，研究如何运用分层模型来更好的分析中国大众传播研究中的问题具有一定的应用价值。 有些分层数据的组是以地理单元划分的，如家庭嵌套于城市、个人嵌套于地区等等，称之为空间分层数据。在抽样调查中采用分层抽样设计时，层的划分常常按照地理单元进行，这样得到的数据既包含个人信息，又包含关于城镇、市、省等地理单元的信息，就形成了以地区集聚的分层数据。在以空间地理单元分组的情况下，地理单元之间会具有空间依赖性，所以，空间分层数据区别于传统的分层数据。对于空间分层数据，空间统计和空间计量经济模型忽略了微观层的分析;而传统的分层模型假定组与组之间相互独立，忽略了这种空间自相关。因此，有必要构建一种新的技术，既纳入分层的思想，又顾及空间相关性。 本文结合作者近几年来的相关研究基础和成果，围绕传统分层数据和空间分层数据两方面展开探讨。针对传统分层数据，研究了分层模型的经验贝叶斯和完全贝叶斯方法及其比较、层-1自变量中心化方法问题、大众传播实证研究中分层模型的应用;针对空间分层数据，提出了考虑空间效应的分层模型，并对其最大似然估计和贝叶斯推断进行了研究。 本文的创新之处主要体现在以下三个方面: 第一，将空间统计学的重要思想方法引入到分层模型中。传统的分层模型假设组与组之间独立，没有考虑组之间的相关性。但是，以地理单元分组的数据往往具有空间依赖性，个体不仅受本地区的影响，也可能受相邻地区的影响，此时，传统分层模型层-2残差分布的假设不再成立。为了处理空间分层数据，本文在分层模型中引入了能够描述空间自相关的空间回归系数和空间邻接矩阵。将完全空间自回归模型和无自变量的两层模型相结合，建立了考虑空间效应的无条件模型;将空间滞后模型与随机截距模型结合建立了SAR-随机截距模型;将空间误差模型与随机截距模型结合建立了SEM-随机截距模型;将空间滞后模型与一般两层模型结合建立了SAR-MLM;将空间误差模型与一般两层模型结合建立了SEM-MLM，有效的克服了传统模型的缺陷，提高了估计的精度。模型适用于处理个体嵌套于地区，而地区间具有空间依赖性的数据。另外，模型除了可以分析空间自相关的分层数据，只要将模型中的空间邻接矩阵关于邻接的设定进行修改，使之能适当的反映研究中组与组之间的相互影响，还可以扩展到一般的组与组之间存在相关性的分层数据。 第二，针对空间分层模型，给出了参数的最大似然估计和贝叶斯推断。考虑空间效应的分层模型需要估计的参数包括固定效应、随机的层-1参数、方差协方差成分、以及空间回归系数，每一个参数的估计都依赖于其他的参数。本文给出了最大似然估计的期望最大化算法，而表达空间效应的空间回归系数ρ与λ增加了估计的难度，因为在令对数似然函数关于ρ或λ的偏微分等于零时，ρ与λ没有显式解。所以，在运用EM算法时，结合运用了Fisher得分算法。本文分别针对以空间滞后模型和空间误差模型表达空间效应的两层模型，运用基于最大似然估计的经验贝叶斯方法研究了随机效应的估计，运用基于MCMC方法的完全贝叶斯方法研究了随机效应、固定效应、方差协方差成分和空间回归参数的估计，给出了利用Gibbs抽样求边缘后验的步骤。 第三，中国的传播学在研究方法上强调哲学的、思辨的、宏观的和直觉的方法，定量的实证研究在统计方法的应用上具有很大的局限性，往往停留在较简单、较基本的统计分析，造成许多研究的结果不够深入。分层的数据结构在大众传播研究中较为常见，但分层模型在这个领域的应用还很少见，目前中国还未查阅到相关的研究。本文通过分析国外大众传播学中运用分层模型进行的实证研究，直观地阐明了大众传播学中个体变化研究和组织研究中如何确定分析单位、区分研究对象的嵌套属性，如何运用分层模型更好的进行微观的深入的实证研究，并给出了应用中要注意的关键问题。 本文的主要研究内容包括以下六个部分: 第一，比较了基于最大似然估计和基于约束最大似然估计的经验贝叶斯方法，指出了经验贝叶斯和完全贝叶斯方法各自存在的问题，在从估计的角度和样本规模的角度进行比较的同时，给出了关于推断方法选择的一些建议。 第二，分析了分层模型中层-1自变量中心化的影响，并对具体应用中进行中心化方法选择提供了一些经验法则。当层-1截距的意义不是很清楚时，进行中心化变换便可以使得截距有更加明确的意义，通过适当的中心化处理，还可以减少多重共线性，提高估计的稳定性。中心化方法的选择依赖于研究目的，如果研究兴趣是层-1自变量对因变量的影响，选择组均值中心化是合适的，而主要兴趣是背景效应则用总均值中心化;研究层际交互作用，按组均值中心化较好，而研究层-2变量间的交互作用则按总均值中心化;如果研究者不太关心组织层之间的差异，更关注的是个人层解释变量，这种情况下不进行中心化处理更好。 第三，分层的数据结构在传播学研究中很常见，但分层模型的应用却很少，本文通过美国橄榄球“超级碗”比赛的娱乐感受变化研究和健康类广告的记忆研究两个应用实例，直观地说明了在大众传播研究中如何运用分层线性模型来更好的分析问题，并给出了大众传播研究中应用分层线性模型时的关键问题，可以对中国大众传播实证研究提供一点借鉴。 第四，空间分层数据因为地理位置的原因，组之间会具有空间依赖性，区别于传统的分层数据。本文将空间统计和空间计量经济模型的思想引入到分层模型中，在层-2模型中加入空间参数来反映空间自相关性，空间效应分别以完全空问自相关模型、空间滞后模型和空间误差模型来表达，提出了空间分层模型，既纳入分层的思想，又顾及空间相关性。并给出了一个应用实例直观的说明了空间分层数据的形式、空间分层模型的思想及其研究的必要性。 第五，给出了空间分层模型中固定效应、方差协方差成分和空间回归参数的最大似然估计，在运用期望最大化算法时，空间回归参数没有显式解，结合运用了Fisher得分算法。 第六，运用基于最大似然估计的经验贝叶斯方法研究了随机效应的估计，运用基于MCMC方法的完全贝叶斯方法研究了随机效应、固定效应、方差协方差成分和空间回归参数的估计，给出了利用Gibbs抽样求边缘后验的步骤。