階層線性模式在犯罪研究之應用
意義
階層線型模式HLM，或稱為多層次混合效果
主要在解決迴歸分析在面臨如果以個人作為分析的單位將使估計標準誤變得過小，而使第一類型錯誤過於膨脹，同時也無法符合回歸殘差之同質性假設
若以組織作為分析單位，並將各組織中個人變項的平均數作為依變項，恐導致其他以個人為單位的自變相難以納入，組織內在的訊息均被捨棄，且易因組織的特性造成分析結果解讀上偏誤的問題
缺乏獨立性
目的
跨層次間效果假設方程式的形成與考驗
分割個層次間的變異及共變成分
增加對個別單位內效果量的估計值
原理與分析邏輯
內屬結構
當描述個體某方面的特徵時，該個體可能又隸屬於另一個較大的團體(學生之於班級、民眾之於警察分局)
而這個團體可能又隸屬於另一個層次更高的團體(班級之於學校、警察分局之於警察局)
V.S.傳統一般線性模式
僅處理單一層次變相間的關係，而無法同時處理包含個體與總數不同層次的跨層級資料
以至於該研究大都將背景不同的受訪者及不同縣市的受訪者視為一個同質的群體，會導致嚴重偏誤
二層模型為例
第一層為個體指的是「個人」，第二層總體為縣市、個人所處環境等系統單位
故多層模型的重要預測即第一層次的觀察值是巢套(NESTED)在第二層次系統之中
研究目的是探討「藥物防制計畫對青少年是否有效」，自變項是防治計畫，依變項是學生
跨層級交互作用，變項的關係橫跨學生與學校層次
研究方法
V.S.一般迴歸分析模式
差別在群組間之差異
若群組間的差異未達統計上的顯著效果，則多層次分析模式與一般回歸分析模式的結果是一樣的
研究個體與總體等不層次的跨層級資料
1、將總體層次的資料使用虛擬變項或交互作用項的模型設定來看待個體層次的系絡差異
2、將個體層次的資料聚合成總體層次的變項，進行總體層次的迴歸分析