我们接着上期的内容，这期主要是完整介绍跨层模型分析的全过程，以及可以借助的各种软件~

跨层模型与单层模型有所不同，其中会涉及到一些特有的指标，比如ICC、Rwg。此外，假设检验部分的语句和操作也会略有差异。

接下来，萜妹会按照操作顺序，给大家依次介绍。

跨层的必要性分析

拿到嵌套数据后，我们首先要进行必要性分析，证明嵌套的数据它有做跨层的必要。该步骤的常见指标为：ICC(1)、ICC(2)、Rwg，多以文字形式汇报。

来源：见参考文献

Intra-class Correlation（ICC）

ICC通常被分为了ICC(1)、ICC(2)。公式分别为：

ICC(1)=(MSB-MSW)/{MSB+[(K+1)×MSW]}；
ICC(2)=(MSB-MSW)/MSB。

【数据操作 / 数据解读】

使用软件：SPSS

①【分析】-【比较均值】-【单因素ANOVA】；

②将【跨层变量】从左侧拖入右侧因变量中➔将【分组变量】拖入【因子】中➔点击【确定】；

③此时，可得到如下结果：

④将结果复制至Excel模板➔输入【总人数/团队数】

此时，Excel会自动得出结果，如下图：

【判断标准】

判断标准其实有挺多的，萜妹这里给出的标准是ICC(1)需要大于0.12，ICC(2)需要大于0.47。跨层模型的ICC是很好满足的。

Rwg

【数据操作 / 数据解读】

使用软件：SPSS

①打开SPSS的数据文件；

②【文件】-【新建】-【语法】；

③输入如下语句➔点击运行；

AGGREGATE
/outfile='C:\Users\tie\Desktop\rwg.sav' 
/break=TID
/sdx1=sd(x1).
execute.

其中，红字部分需替换。

第二行，替换为自己想要输出的文件名及位置，萜妹这里是将新文件生成到了桌面；
第三行，替换为自己的分组变量；
第四行，替换为自己的跨层题项。需注意的是：量表有多少个题项都要计算，本示例为一条目，即仅计算x1的组内标准差。

此时，会有一个新的rwg.sav文件在指定位置生成。

④打开【rwg】文件➔【文件】-【新建】-【语法】；

⑤输入如下语句➔点击运行；

compute varx1=sdx1×sdx1.
compute mvar=mean(varx1).
compute nvar=1.
compute rwg=nvar×(1-(mvar/2))/(nvar×(1-(mvar/2))+mvar/2).
execute.

其中，nvar代表题项数，最后一行的2则是根据量表等级决定的。公式为（X×X-1）/12

5点量表该值为2；
6点量表该值为2.92；
7点量表该值为4；

此时，文件中会新生成几个变量，如图：

⑥计算Rwg的中位数与平均值；

这里注意，原始Rwg小于0时取0，大于1时取1。

【判断标准】

Rwg＞0.7。

基础分析

这里指的是验证性因子分析和相关性分析。

验证性因子分析

有些文章里会在进行完单层分析后再补充跨层的验证性因子分析。

来源：见参考文献

【数据操作 / 数据解读】

使用软件：Mplus

语句（极简版）：

TITLE ：Multilevel CFA； 

DATA: FILE IS 1.dat;

VARIABLE: NAMES ARE id x1-x6;

USEVARIABLES = id x1-x6; 

CLUSTER = id;

ANALYSIS: TYPE = TWOLEVEL ; 

MODEL:

%Within% 

wx by x1 x2 x3 x4 x5 x6; 

%Between% 

bx by x1 x2 x3 x4 x5 x6; 

Output: 

Standardized CINTERVAL;

假设检验

和单层假设检验的汇报形式其实没太大差异，这个部分就不额外说明。我们主要来说说看具体怎么验证。

这里介绍两种方法，一种是mplus+R，另一种是新出的spss的mlmed宏插件。

Mplus+R

Mplus语句及操作

mplus还是根据模型写语句。萜妹就介绍上篇推送中用的最多三个模型的对应语句。没有太多好展开说明的，我们直接上语句。

类型 I 被中介的调节语句：

TITLE: A two-level Type I MeMo model,
DATA: FILE IS example.txt;
DEFINE:
xw = (x -3.0) * (w - 4.0) ;
CENTER x w (GRANDMEAN) ;
VARIABLE: NAMES ARE x m w y cluster;
USEVAR1ABLES ARE x m w y xw;
CLUSTER = cluster;
BETWEEN = x w xw;
ANALYSIS: TYPE = TWOLEVEL;
MODEL: 
%WITHIN%
y on m (bw)
%BETWEEN%
m on x w
xw (a) ;
y on m (bb)
x w xw;
MODEL CONSTRAINT;
NEW (ind) ;
ind = a * bb;
OUTPUT:
SAMPSTAT;
CINTERVAL;

类型 II 被中介的调节语句：

TITLE : A two-level Type II MeMo;
DATA: FILE IS example.txt;
CENTER w m (GRANDMEAN) ;
CENTER x (GROUPMEAN) ;
VARIABLE: NAMES ARE x m w y cluster;
USEVARIABLES ARE x m w y;
CLUSTER = cluster;
WITHIN = x;
BETWEEN = w m;
ANALYSIS:
TYPE =TWOLEVEL RANDOM;
%WITHIN%
S | y on x;
%BETWEEN%
m on w (a) ;
S on m (b)
w;
y on m w;
y with S;！设立相关提高模型拟合度
MODEL CONSTRAINT;
NEW (ind) ;
ind = a * b;
OUTPUT;
SAMPSTAT;
CINTERVAL;

第一阶段被调节的中介语句：

TITLE: A two-level first-stage MoMe;
DATA; FILE IS example.txt;
CENTER w (GRANDMEAN) ;
CENTER x (GROUPMEAN) ;
VARIABLE: NAMES ARE x m w y cluster;
USE VARIABLES ARE x m w y;
CLUSTER = cluster;
WITHIN = x;
BETWEEN = w;! x、w是外生变量，需要自己定义；m、y是因变量，又是内生变量，会自动拆分。
ANALYSIS:TYPE=TWOLEYEL RANDOM;
MODEL:
%WITHIN%
S | m on x;
y on m (b2)
x;
%BETWEEN%
S on w (a1) ;! γ11
[ S ] ( a0 ) ;! γ10
m on w;
m with S;
y with m;
y with S;
y with w;! 相关
MODEL CONSTRAINT:
NEW (ind_h ind_l) ;
ind_h=(a0+a1*(.85))*b2; ! 根据自己的值修改
ind_l=(a0+a1*(-.85))*b2; ! 根据自己的值修改
NEW (diff) ;
Diff = ind_h - ind_l;! γ11
OUTPUT:
SAMPSTAT;
CINTERVAL;

R的补充Monte Caro分析

细心的小可爱可能会发现，上述都没有进行bootstrap检验。因为跨层数据是无法在mplus中进行这一步的，所以我们还需要借助R来补充分析。

有大佬做了个网站，我们可以直接在网站中输入数字得到结果，而不需要专门去学R。

网址：http://quantpsy.org/medmc/medmc.htm

1-1-1模型：http://quantpsy.org/medmc/medmc111.htm

1-1-1模型界面：

以上的数据都可以在mplus的TECH3中得到，具体怎么看，萜妹觉得可能还是视频讲的更清楚，这里就不详细截图了。

SPSS的Mlmed程序

前期准备

①在官网下载该宏程序；另外，萜妹建议使用手册也下下来，使用手册真的非常的有用。

下好后，应该长这样。

②检查SPSS版本，最好是22及以上，在21以下的版本是不能用MLmed插件的。

③安装Mlmed宏程序。

第一种方式，就直接点击打开第一个文件，它就会询问你是否要安装。但是这种方式，有可能安装不上，比如萜妹的SPSS这样就失败了。

所以我找到了第二种方式：【扩展】-【安装本地扩展束】，这样就可以确保能安装啦。

④调整SPSS的输出语言！！！

Mlmed的使用手册中说了，它目前只能在输出语言为英文时使用。如果是其他语言就会报错！

而在国内SPSS一般是默认编辑语言和输出语言为中文的，所以我们先要手动调整。

【编辑】-【选项】-【语言】，就可以调整。

具体分析

①【分析(A)】-【混合模型】-【Mlmed……】；

②按下图所示进行填写；

【DataSet】填数据对应的名字，通常是【数据集*】，注意这里是数据集的名字，不是你给这个文件的命名啊！
【Folder】填文件所在位置，注意最后要以斜杠结尾；其中，Windows是\，mac是/。
右侧就按照你的模型进行填充就好。
右上角的【Random】和【Fix】也是可以根据你的模型对应的调整。

注意：Mlmed只能处理M和Y在level1的模型。

【数据解读】

【判断标准】

做出来的结果包括了模型拟合、固定效应、随机效应、直接效应和上述截图的间接效应。

红框部分表示，M的中介在level1不成立，但是在level2是成立的。

最后一个红框则是Monte Caro置信区间，所以这里就不需要再使用R去计算了。

啦啦啦，终于写完啦。这篇就是纯操作说明，而不涉及原理。因为再加上部分的原理说明，萜妹怕自己驾驭不了，另外也是我觉得这篇内容已经足够多了。

关于Mlmed的介绍，上述主要是提到了很多前期准备上的东西。因为萜妹自己的使用感受是，软件操作还是很简单，模型结果也很容易看，但是按教程做却老是报错，一直报错真的很让人崩溃，所以就来让帮大家解决这个问题吧。

另外，当我把Mlmed插件研究透之后，关于Mlmed的具体介绍，可能还会有一期专门的推送，不过应该不是最近了。

下一期大概会回顾这个月的各种数据分析，之后通过录视频教程的方式更细致的带着小可爱们做一遍吧。

那小可爱们，我们下周见吧~

参考文献：

沈伊默, 诸彦含, 周婉茹,等. 团队差序氛围如何影响团队成员的工作表现？——一个有调节的中介作用模型的构建与检验[J]. 管理世界, 2019(12).104-115+136+215

数据分析丨跨层模型检验

跨层的必要性分析

Intra-class Correlation（ICC）

【数据操作 / 数据解读】

【判断标准】

Rwg

【数据操作 / 数据解读】

【判断标准】

基础分析

验证性因子分析

【数据操作 / 数据解读】

相关分析

【数据操作 / 数据解读】

假设检验

Mplus+R

Mplus语句及操作

R的补充Monte Caro分析

SPSS的Mlmed程序

前期准备

具体分析

【数据解读】

【判断标准】

TIE