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。
- 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。