多層次分析方法 Hlm軟體應用

1. 1
多層次分析方法 —HLM 軟體應用
團隊層次資料建立：
 此為個人層次的 SPSS 資料檔形式，記
錄每個樣本的作答情況。
 此為團隊層次的資料
檔，必須由個人層次
的資料檔整合而成。
為每個團隊樣本在產
出控制、行為控制等
變數的作答情況。
 點選 資料/整合，然後將主管編後放入分段變數，將想
要整合的變數放入整合變數，並且另外儲存檔案，按
確定後即形成團隊層次的資料檔。

2. 2
HLM 軟體操作方法：
 首先從 File / Make new MDM file / Stat
package input 開始進行 HLM 分析。
 如 果 分 析 的 層 次 為 兩 層 的 話 ， 則 選 擇
HLM2；如果為三層的話，則選擇 HLM3。

3. 3
 按 Browse 放進個人層次的 SPSS 資料檔，
並 Choose Variable 選擇進行分析的變數。
 按 Browse 放進團隊層次的 SPSS 資料檔，
並 Choose Variable 選擇進行分析的變數。
 由於是根據主管的編號為分層的標準，因此在
第一層 Choose Variable 時，勾選「主管編號」
為 ID。

4. 4
 接下來不管是自變數、應變數還是控制變
數，只要是有可能分析到的變數都勾選
in MDM。
 第二層同樣在「主管編號」勾選為 ID，
其餘變數勾選 in MDM。

5. 5
 輸入 MDM File Name，任意輸入名稱(asd)
即可。
 輸入完MDM File Name後，點選Save mdmt
file，並任意輸入名稱(qwe)後存檔。

6. 6
 存檔完成後，點選 Make MDM，接下來 HLM 會
出現黑底視窗，自動開始進行資料讀取的程序。
 當資料讀取完成後，黑底視窗會自動消失，接下來點選
Check Stats，會出現全部資料的敘述性統計分析，包含總樣
本數、團隊總數、平均數與標準差等。確認無誤後可將此
視窗關閉，並且點選 Done 進行下一步資料分析程序。

7. 7
 點選 Done 後會轉變為分析視窗，首先必須在 Level-1 中選擇
應變數，因此點選「銷售意圖」，並選擇為 Outcome variable。
 接下來開始選擇 Level-1 的控制變數，點選變數名稱後會有
三個選項，分別為 uncentered、group centered 和 grand
centered。由於成員性別、婚姻狀態、年齡等皆為單一題項，
因此不需要做中心化的動作，選擇 uncentered 即可。

8. 8
 下一步為選擇 Level-1 的自變數，由於學習、證明與迴避導向
和顧客新穎性並非單一題項，因此通常會進行組中心化(group
centered)的動作。
 由於在本研究中，目標導向(學習、證明、迴避)為自變數，
因此必須加入隨機項，只要在 u7j、u8j、u9j 點選即可。

9. 9
 接下來選擇 Level-2 的變數，將產出控制、行為控制、產
品創新性與團隊人數都以 uncentered 方式放入。
 在β0j 放入的變數，為探討產出控制、行為控制、產品創
新性與團隊人數對銷售意圖的直接效果。而產品創新性與
團隊人數在本研究中為控制變數
 在β7j、β8j、β9j 放入的變數，為分別探討產出控制、行
為控制對學習導向、證明導向、迴避導向與銷售意圖之間
的調節效果，此模式為斜率預測模式(Slope-as-Outcomes
Model)。

10. 10
 點選 Outcome 的地方會出現基本模型設定的視窗，在 v6.06
的版本中，Output file name 的名稱預設為 c:hlm2.txt，但是
此 預 設 路 徑 將 導 致 結 果 無 法 呈 現 ， 因 此 必 須 更 改 為
c:XXXhlm2.txt，XXX 必須為真實存在於 c:的資料夾。分
析的結果將會以hlm2.txt的方式儲存在c:的XXX資料夾中。
 設定完成後，按下 Run Analysis，並選擇 Run the
model shown 開始進行分析。

11. 11
 接下來會出現黑底視窗，開始進行估計疊代，
當疊代次數到了 99 次的時候，系統會詢問是
否要繼續下去，此時只要鍵入 Y(yes)，然後按
Enter 鍵即可繼續。另外也可從 Other Settings
中更改疊代次數設定。
 分析完成後，黑底視窗會自動消失。點選
File/View Output 可出現結果。

12. 12
 學習導向對銷售意圖
的直接效果。
 產出、行為控制對學
習導向與銷售意圖的
調節效果。
γ70
γ71
γ72
 此為零模型(Null Model)，只將應變數(銷售
意圖)放入模型中，不放入其他任何變數。

13. 13
σ2
ICC2
ICC1＝
模式離異數(-2LL)

14. 14
 此為隨機係數迴歸模式(Random Coefficient
Regression Model)，只在 Level-1 中放入控制變
數與自變數，Level-2 不放入任何變數。

15. 15
 此為截距預測模式(Intercepts-as-Outcome
Model)，在 Level-2 中只加入產出控制、行為
控制、產品創新性與團隊人數。

16. 16
組內共識程度 rwgJ 的計算：
(由於無法由 HLM 軟體得到此數值，故從 SPSS 軟體來計算。)
 rwgJ＝ ( EU＝ 、A＝題項數、S2
＝題項變異數的平均)
 由於在 SPSS 的語法中無法讀取中文名稱，
因此必須先將要計算的變數名稱改為英文，
產出控制(OC)與行為控制(BC)。另外也必須
將「主管編號」更改為「id」。
 開啟 SPSS 語法視窗後，將
rwgJ 的語法貼上，在分段變
數(BREAK)的地方改為 id，
並且在紅色方格內做修改。

【將這些語法刪除】

17. 17

18. 18
 修改完成後，將所有的語
法反白，按滑鼠右鍵選擇
「執行目前的」，就會跳
出 SPSS 視窗如下，顯示
各團隊的 rwgJ。

19. 19
 rwg 所代表的意義為團
隊內成員回答單一題
項的共識程度。但本研
究分別各用 5 題(A=5
或 J=5 )來衡量產出或
行為控制，因此必須以
rwgJ 為參考標準。