[問題] 如何探討自變項變化對依變項變化之作用？
請教各位先進：
對重複測量資料(如1000位學生，重複測量5次)，可用HLM或Latent Growth Curve Model
檢視依變項改變的截距和斜率是否存有變異，再找出能解釋變異的因素(自變項)。
但在HLM或SEM模型中，自變項大多是放某一時間點(例如基期)資料，
或不隨時間變動的資料，並非是自變項在多個時間點的變化。
若我想探討學生唸書時數對憂鬱軌跡的影響，唸書時數和憂鬱分數在5個時間點都有測量，
並假設唸書時數增加者，憂鬱分數也會增加。
請問：
1. 我該用什麼模型，去探討自變項變化對依變項變化之影響呢？
是panel analysis的固定效果或隨機效果嗎？
2. 若資料有不同階層的自變項(如班級氣氛以及個人唸書時數)重複測量資料，
可整理成階層的panel資料，作固定效果或隨機效果分析嗎？
3. HLM或SEM模型中，解釋因素能否放入不同階層自變項變化的資料？
還是必須自己先算出改變(如斜率)再放入？
以上向各位高手求救，感謝！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.225.94.90
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1488923129.A.EF7.html
→
03/08 06:26, , 1F
03/08 06:26, 1F
→
03/08 06:32, , 2F
03/08 06:32, 2F
→
03/08 06:34, , 3F
03/08 06:34, 3F
→
03/08 08:59, , 4F
03/08 08:59, 4F
→
03/08 08:59, , 5F
03/08 08:59, 5F
→
03/08 09:00, , 6F
03/08 09:00, 6F
→
03/08 09:01, , 7F
03/08 09:01, 7F
推
03/08 11:15, , 8F
03/08 11:15, 8F
→
03/09 07:28, , 9F
03/09 07:28, 9F