|
|
|
|
HLM 8.2升级版 2021年9月9日 Mathilda du Toit SSI 很高兴地宣布对 HLM 8.2 进行更新。 该更新包含一个新功能和一个错误修复。 拥有有效 SSI LiveTM HLM 订阅许可证的用户可以通过登录“我的帐户”并下载更新版本来免费获取此更新。 更新列表：
宣布发布 HLM 8.2 2021年8月12日 Mathilda du Toit SSI 很高兴地宣布 HLM 8.2 立即可用。 此更新包含新功能和错误修复。 拥有有效 SSI LiveTMHLM 订阅许可证的用户可以通过登录My Account免费获取此更新。 更新列表：
HLM 8最新更新 从不完整的数据估计HLM 在 HLM8 中，添加了从不完整数据估计 HLM 的能力。 这是一种完全自动化的方法，可以从不完整的数据中生成和分析多重插补数据集。 该模型是完全多元的，使分析人员能够通过辅助变量加强插补。 这意味着用户指定了 HLM； 该程序会自动搜索数据以发现哪些变量具有缺失值，然后估计一个多元分层线性模型（“插补模型”），其中所有具有缺失值的变量都对所有具有完整数据的变量进行回归。 然后程序使用由此产生的参数估计来生成 M 个插补数据集，然后依次分析每个数据集。 使用“Rubin 规则”组合结果。 固定截距和随机系数的灵活组合 HLM 8 的另一个新功能是固定截距和随机系数 (FIRC) 的灵活组合现在包含在 HLM2、HLM3、HLM4、HCM2、HCM3 和 HLM2 中。 多层次因果研究中可能出现的一个问题是随机效应可能与治疗分配相关。 例如，假设治疗被非随机分配给嵌套在学校内的学生。 如果随机截距与治疗效果相关，则使用随机学校截距估计两级模型将产生偏差。 传统的策略是为学校指定一个固定效应模型。 然而，这种方法假设治疗效果是同质的，可能会导致对平均治疗效果的估计有偏差、标准误差不正确和解释不当。 HLM 8 允许分析师在解决这些问题的模型中将固定截距与随机系数相结合，并促进更丰富的总结，包括对治疗效果变化的估计和特定单位治疗效果的经验贝叶斯估计。 这种方法是在 Bloom、Raudenbush、Weiss 和 Porter (2017) 中提出的。 HLM 8手册
HLM 7.03版本说明 64 位统计应用程序 八个用于拟合各种 HLM 模型的 32 位统计应用程序已被 64 位统计应用程序取代，从而使 HLM 7.03 能够处理基于大量案例的大型模型。 在 32 位操作系统上，WHLM 将改为调用 32 位统计应用程序。 Stat/Transfer 14版 数据导入功能已从 Stat/Transfer 版本 13 升级到最近发布的版本 14。版本 14 增加了对以下数据格式的支持。
版本 14 对以下数据格式有更大的限制。
升级HLM 7.00 for Windows到HLM 7.01 for Windows 请注意，本页上的安装程序仅适用有HLM 7.00 for Windows有效激活码的最终用户。 在HLM 7.01 for Windows中实现的更改/修正列在下方. 综述：
HLM2:
HLM3：
HLM4：
HMLM2：
HCM3：
提示
HLM 7最新更新 HLM 7 offers unprecedented flexibility in modeling multilevel and longitudinal data. With the same full array of graphical procedures and residual files along with the speed of computation, robustness of convergence, and user-friendly interface of HLM 6, HLM 7 highlights include three new procedures that handle binary, count, ordinal and multinomial (nominal) response variables as well as continuous response variables for normal-theory hierarchical linear models: Four-level nested models: • Four-level nested models for cross-sectional data (for example, models for item response within students within classrooms within schools). • Four-level models for longitudinal data (for example items within time points within persons within neighborhoods). Four-way cross-classified and nested mixtures: • Repeated measures on students who are moving across teachers within schools over time, or item responses nested within immigrants who are cross-classified by country of origin and country of destination. • Repeated measures on persons who are simultaneously living in a given neighborhood and attending a given school. Hierarchical models with dependent random effects: • Spatially dependent neighborhood effects. • Social network interactions. HLM 7 also offers new flexibility in estimating hierarchical generalized linear models through the use of Adaptive Gauss-Hermite Quadrature (AGH) and high-order Laplace approximations to maximum likelihood. The AGH approach has been shown to work very well when cluster sizes are small and variance components are large. the high-order Laplace approach requires somewhat larger cluster sizes but allows an arbitrarily large number of random effects (important when cluster sizes are large) New HTML output that supplies elegant notation for statistical models including visually attractive tables is also now available, allowing the user to cut and paste output of interest into manuscripts.
HLM 6.08最新更新 综述:
HLM2/HLM 3:
HCM2:
WHLM:
New in HLM 6 HLM 6大大的扩展了可以被评估的分层模型的范围.它同样提供了比先前版本更大的便利.下面是有关关键新特征和选项的综述.
相关链接
|
|
| 站点地图|隐私政策|加入我们 |
Copyright ©2022 上海卡贝信息技术有限公司 All rights reserved. |
固定效应表格中的p值在小自由度时被取消
