期刊專區/ Periodical Section

進行多層次建模最小可行的樣本數建議：貝氏模擬取向

Sample Size Requirements of Using Multilevel Models: Bayesian Simulation Study

所屬期刊：	第13卷第4期 「教育心理，輔導與測評」 主編：國立臺灣師範大學教育心理與輔導學系兼任教授 林世華
系統編號：	vol051_01
主題：	測驗與評量
出版年份：	2017
作者：	曾明基
作者(英文)：	Ming-Chi Tseng
論文名稱：	進行多層次建模最小可行的樣本數建議：貝氏模擬取向
論文名稱(英文)：	Sample Size Requirements of Using Multilevel Models: Bayesian Simulation Study
共同作者：
最高學歷：
校院名稱：
系所名稱：
語文別：	中文
論文頁數：	26
中文關鍵字：	貝氏方法; 多層次模型; 成長模型
英文關鍵字：	Bayesian method; multilevel model; growth model
服務單位：	國立東華大學師資培育中心
稿件字數：	13119
作者專長：	心理計量
投稿日期：	2016/6/7
論文下載：
摘要(中文)：	本研究經由模擬研究的方式同時比較貝氏方法和ML 估計法在多層次模型以 及成長模型建構時，最小可行的分析樣本單位數，並同時考慮存在隨機遺漏下， 在多層次模型以及成長模型建構所需的樣本數調整。研究發現，使用貝氏方法進 行多層次模型以及成長模型建構，所需的樣本數較小且可以獲得穩定的參數覆蓋 率以及統計考驗力，值得加以推廣。
摘要(英文)：	This paper shows practical guidelines of sample size requirements when results are analyzed by multilevel models. The study found that when Bayesian method is used for multilevel model,stable parameters and power are attained through fewer samples.
參考文獻：	巫博瀚（2012）。成長曲線模式之樣本單位數決定研究：蒙地卡羅模擬（未出版 之博士論文）。國立成功大學教育研究所，臺南市。 邱皓政（2017）。多層次模式與縱貫資料分析：Mplus 8 解析應用。臺北市：五南。 溫福星、邱皓政（2011）。多層次模型方法論：階層線性模式的關鍵問題與試解。 臺北市：αβγ 實驗室。 楊志堅、劉心筠、楊志強（2004）。縱貫研究以潛在成長模式分析之樣本數與檢 定力研究。教育與心理研究，27（3），603-626。 Browne, W. J., & Draper, D. (2006). A comparison of Bayesian and likelihood-based methods for fi ting multilevel models. Bayesian Analysis, 1, 473-514. Gelfand, A. E., & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journalof the American Statistical Association, 85, 398-409. Gelman, A., Carlin, J. B., Stern, H. S., & Rubin, D. B. (2003). Bayesian data analysis. New York, NY: Chapman & Hall. Geman, S., & Geman, D. (1984). Stochastic relaxation, Gibbs distributions and the Bayesian restoration of images. IEEE Trans. on Pattern Analysis and Machine Intelligence, 6, 721-741. Chib, S., & Greenberg, E. (1995). Understanding the Metropolis-Hastings algorithm. American Statistician, 49, 327-335. Cohen, J. (1998). Determining sample sizes for surveys with data analyzed by hierarchical linear models. Journal of Offi cial Statistics, 14, 267-275. Gelman A. (2006) Prior distributions for variance parameters in hierarchical models. Bayesian Analysis, 1, 515-533. Heck, R. H., & Thomas, S. L. (2009). An introduction to multilevel modeling techniques (2nd ed.). New York, NY: Routledge. Hox, J. J. (2010). Multilevel analysis: Techniques and applications (2nd ed.). New York, NY: Routledge. Hox, J. J., van de Schoot, R., & Matthijsse, S. (2012). How few countries will do? Comparative survey analysis from a Bayesian perspective. Survey Research Methods, 6, 87-93. Kaplan, D., & Depaoli, S. (2012). Bayesian structural equation modeling. In R. Hoyle (Ed.), Handbook of structural equation modeling (pp. 650-673). New York, NY: Guilford. Kreft, I., & Leeuw, J. D. (1998). Introducing multilevel modeling. Thousand Oaks, CA: Sage. Lee, S.Y. (2007). Structural equation modelng: A Bayesian approach. Chichester: John Wiley & Sons. Maas, C. J. M., & Hox, J. J. (2004). Robustness issues in multilevel regression analysis. Statistica Neerlandica, 58, 127-137. Maas, C. J. M., & Hox, J. J. (2005). Sufficient sample sizes for multilevel modeling. Methodology: European Journal of Research Methods for the Behavioral and Social Sciences, 1, 86-92. Meuleman, B., & Billiet, J. (2009). A Monte Carlo sample size study: How many countries are needed for accurate multilevel SEM? Survey Research Methods, 3, 45- 58. Mok, M. (1995). Sample size requirements for 2-level designs in educational research. Multilevel Modelling Newsletter, 7, 11-15. Muthen, B. O., & Asparouhov, T. (2012). Bayesian SEM: A more fl exible representation of substantive theory. Psychological Methods, 17, 313-335. Muthen, L. K., & Muthen, B. O. (2002). How to use a Monte Carlo study to decide on sample size and determine power. Structural Equation Modeling, 4, 599-620. Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods (2nd ed.). Thousand Oaks, CA: Sage. Snijders, T. A. (2005). Power and sample size in multilevel linear models. In B. S. Everitt & D. C. Howell (Eds.), Encyclopedia of Statistics in Behavioral Sciences (Vol. 3, pp. 1570-1573). Chicester, England: Wiley. Stoel, R. D., & Garre, F. G. (2011). Growth curve analysis using multilevel regression and structural equation modeling. In J. J. Hox & J. K. Roberts (Eds.), Handbook of advanced multilevel analysis (pp. 97-111). New York, NY: Routledge. Tanner, M. A., & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation (with discussion). Journal of the American Statistical Association, 82, 528-550. Wang, J., & Wang, X. (2012). Structural Equation Modeling: Applications using Mplus. Hoboken, NJ: John Wiley & Sons.