面板研究中的多层线性模型应用述评

面板研究中的多层线性模型应用述评

郑昱 王二平

2012-3-29 21:42:52 来源：《管理科学》(哈尔滨)2011年3期第111～120页

内容提要：面板研究是纵贯面研究领域的一种重要类型，近年来，国外运用多层线性模型在面板研究领域取得了一系列理论和应用上的进展。通过对面板研究的界定，对面板研究的发展情况、数据特征进行简要介绍，在与传统统计分析方法进行比较的基础上，重点阐述多层线性模型在面板研究领域的独特优势及其一般建模方法和过程，分为线性发展模型、曲线发展模型和三层发展模型进行解读，并结合多个实例分析不同类别的多层线性模型在面板研究中的应用情况，指出现存的面板研究中多层线性模型应用需要注意的时间变量设定及中心化、固定效应和随机效应的选择及样本量等问题，同时进一步指出多层线性模型在未来面板研究领域存在的调节作用和中介作用、结构方程模型的选择应用等发展方向。

关键词：面板研究多层线性模型纵贯面研究发展模型

作者简介：郑昱（1977-），女，山东济南人，中国科学院心理研究所（北京100101），中国科学院研究生院博士研究生（北京100039），研究方向：效能感、行为决策等，E-mail：zhengy@http://www.77cn.com.cn；王二平，中国科学院心理研究所。

1引言

1963年，Harris所著的《测量变化的问题》（Problems in measuring change）一书问世，该书探讨了随时间积累的数据分析问题，由此引发研究者对纵贯面研究的重视，关于纵贯面研究的各种方法论探讨陆续涌现。Bijleveld等[1]根据数据结构中时间变量和观测对象关系的不同，将纵贯面研究进一步分为5种类型，面板研究（panel study）是其中一种。一般而言，面板研究是指同一时间内有系统地观察以不同时间组或不同群体所做分类的样本，在未来不同时间点里不同研究变量上的变化。面板研究的发展可以追溯到20世纪60年代，并在最近20年得到飞速发展，这主要得益于各国面板数据库的建立和完善，其中比较著名的是美国密西根大学的收入动态面板研究（panel study of income dynamics，PSID）和美国劳动力市场纵向研究（national longitudinal survey of labor market experience，NLS）[2]。PSID研究开始于1968年，每年调查5 000个家庭和15 000个个人的全国代表性样本的经济数据，数据库包括5000个以上的变量，如家庭状况、收入就业状况等。NLS开始于1966年，主要体现在劳动力市场的供给方面，包括劳动力市场中5个相互独立的追踪数据集。

多层线性模型（multilevel model）由Lindley等[3]于1972年提出，是用于分析具有嵌套结构数据的一种统计分析技术。作为传统方差分析模型的有效扩展，Korendijk等[4]和Duncan等[5]众多的研究者对多层线性模型进行了广泛研究。Laird等[6]于1982年率先提出在纵贯面数据中建立一个两层次随机效应模型的方法，在两层次中区分方差分量。20多年来，该方法在社会科学领域获得了广泛应用。近年来，有研究者提出使用多层线性模型进行面板研究，并且已在社会科学领域取得较大进展[7]。本研究主要讨论多层线性模型在面板研究中的发展和应用。

2面板研究中传统分析方法的局限性和多层线性模型应用的优势

2.1面板研究的数据特征和传统分析方法的局限性

除了收入动态面板研究和美国劳动力市场纵向研究之外，表1（见下页）给出部分在各国比较有影响的面板研究数据库。

Thomson等[8]根据面板数据库建立中被调查者所接受调查内容时间导向的不同，将面板研究的数据收集方法分为前瞻性研究和回溯性研究两种。如果所调查项目是针对被调查者过往时间点的信息，即为回溯性研究；而针对被调查者当前和对未来时间点预期的信息，则属前瞻性研究。如英国家庭面

板调查（the British household panel survey，BHPS）即属于前瞻性面板研究，其每年调查受访者当前的生活条件、态度和信仰等信息。但由于面板研究的数据收集一般来自于大范围的调查，经常会结合众多不同数据的收集方法进行，所以很难清晰划分前瞻性和回溯性研究，存在前瞻性研究中结合回溯性研究的情况[8]。如BHPS在1992年和1993年的两轮调查中，被调查者回答的问题中也包括了有关他们过去的雇佣经历等信息。另外，前瞻性面板研究还存在一种延伸类型是链接性面板研究，一般使用公众普查或管理数据，如医院的治疗或收益记录的信息等。该研究的数据收集过程是被调查者介入最少的一种，调查收集的数据会与未来某个时间所收集的数据链接后进行结合分析。对面板数据分析中所采用的方法进行研究，大致可以分为固定效应模型和具有滞后内生变量的面板数据模型检验等。Lichter等[9]采用固定效应模型分析政府福利支出对女性主导型家庭的影响，他们利用1980年至1990年对美国48个州中6 106个家庭的调查数据进行分析，其中因变量是以未婚女性为户主的有18岁以下孩子的家庭比例，解释变量包括男性就业率、性别比例、女性的经济独立程度等，该研究中没有进行豪斯曼检验的相关信息；McManus等[10]利用1980年至1993年的PSID数据研究分居和离婚对于18岁至65岁男性的经济影响，时间表征用当前时间t的（t-1）和（t+1）之间的婚姻解体时间，是采用滞后因变量的面板数据分析；Budig等[11]采用固定效应模型对1982年至1993年美国全国纵向研究的数据分析至少从事两年全职或兼职工作的女性，研究样本中女性在成为母亲后工资收入上的损失变化。这些研究中大部分都倾向于采用随机效应模型分析，同时较少研究者采取有效的措施处理面板数据中个体间差异、个体内差异以及相应地区差异的问题，这对于研究结论无疑会产生一定的影响。

由以上面板研究的数据收集方式和相应研究实例可以看出，面板研究的数据存在较明显的特征。首先，在长期追踪中，历经多年追踪却没有缺失值的情况是少之又少。一般情况下，某些被调查者可能会因为各种原因而中断，那些仍留在研究中的被调查者也可能由于某些原因错过随访观察的机会，

所以经常会出现面板研究数据库中若干观测值缺失的情况[12]。针对这种情况，传统的纵贯面分析中常用的多元方差分析要求所有研究对象须在每一个时间点都得到观测，一旦出现数据缺失，就不得不剔除有缺失数据的对象样本。当因追踪时间较长而出现数据缺失的情况时，就会造成统计效力的下降

[13]。其次，由于是对每一个被调查者反复收集数据，因此研究对象内的观察值之间会存在相关。最后，面板数据的差异来源一般包括研究被试内差异和被试间差异以及地区间因时间发生的差异，而且这些差异可能会随时间的变化而发生改变[13]，针对这种情况，另一种常用的纵贯面研究分析方法是重复测量方差分析，其前提假设要求不同时间点上的残差方差相同，且协方差为常数[14]，这样的假定条件在大多数面板数据中都不太可能成立，因此在实际应用中受到限制。

2.2面板研究中多层线性模型的应用优势

由上述分析可知，在面板研究中，传统的数据分析方法会遇到很多难以克服的困难，而多层线性模型可以很好地处理上述问题。近年来，越来越多的面板研究开始采用多层线性模型的分析方法，显示出多层线性模型在面板研究中的独特优势。

首先，多层线性模型通过考察个体水平在不同时间点的差异，明确表达出个体在层次一的变化情况，因而对于数据的解释（个体随时间的增长趋势）是在个体与重复观测交互作用基础上的解释 …… 此处隐藏：5005字，全部文档内容请下载后查看。喜欢就下载吧 ……