序

致謝

第1章 導言

 第1節 關於本書和多層結構方程模型

 第2節 結構方程模型的快速回顧

 第3節 多層次模型的快速回顧

 第4節 MSEM介紹及其符號繫統

 第5節 估計與模型擬合

 第6節 本書和網上資料的涵蓋範圍

第2章 多層路徑模型

 第1節 多層次回歸實例

 第2節 隨機截距模型

 第3節 隨機斜率模型

 第4節 隨機截距和隨機斜率模型的比較

 第5節 中介作用與調節作用

 第6節 總結

第3章 多層因子模型

 第1節 多組CFA

 第2節 雙層CFA

 第3節 隨機潛變量截距

 第4節 具有隨機負荷的多層CFA

 第5節 總結

第4章 多層結構方程模型

 第1節 將因子和路徑模型結合

 第2節 觀測結果變量的隨機截距

 第3節 多層潛在協變量模型

 第4節 具有層間潛變量的結構模型

 第5節 隨機斜率MSEM

 第6節 總結

第5章 結論

注釋

參考文獻

譯名對照表

序

    我很高興介紹由布魯諾·卡斯塔尼奧·席爾瓦（Bruno Castanho Silva）康斯坦丁·曼努埃爾·博桑查努（Constantin Manuel Bosancianu）和列文特·利特沃伊（Levente Littvay）撰寫的《多層結構方程模型》。多層結構方程模型（multilevel structural equation models, MSEMs）是將結構方程模型（structural equation modeling, SEM）中以變量（伴隨誤差測量）之間關繫為中心的研究與多層次模型（multilevel models, MLM）中以宏觀—微觀關繫為中心的研究相結合。本書有一個清晰的主題進展，從觀測變量的SEM開始，到驗證性因子分析（confirmatory factor analysis, CFA），再到完整的模型，在每個過程中都添加一個多層成分。在每一章中，作者繫統地從簡單到復雜的模型設定展開，並用實例說明每一步。讀者可以通過使用在線附錄中的資料重復這些例子來加以練習。

    本書的一個創新之處是符號繫統。SEM和MLM都有各自的慣例；作者將它們混合在一起。這一符號繫統保留標準化多層文本中使用的符號，但引入上標來跟蹤與特定繫數相關的結果變量。這種方法使得將MSEM寫成一繫列方程成為可能，即使不精通矩陣代數的讀者也可以大致了解本書的內容。為了進一步加強讀者的理解，符號繫統將大多數模型展示為一組方程式，以及基於SEM傳統的圖形表示。

    就所需的準備工作而言，有SEM或MLM經驗的讀者能程度地從本書獲益。第1章對二者進行了非常有益的回顧，然後展示了如何將模型和符號繫統組織到MSEM的單個框架中。第2章介紹了多層路徑模型，包括隨機截距模型和隨機斜率模型。這一章使用來自55個國家的世界價值觀調查數據（第四期）來探索與高度自我表達價值觀（公民積極性、主觀幸福感、寬容和信任、個人自主性和選擇的重要性）相關的個人層面和國家層面的因素。第3章重點研究多層因子模型。該章使用2015年國際學生評估計劃（PISA）中有關多米尼加共和國數碼設備使用情況的數據，構建了雙層CFA——首先將多層CFA與多組CFA進行比較，然後構建隨機潛變量截距，終形成帶有隨機負荷的多層CFA。同時，該章還包括一個對測量不變性的有用討論。第4章將第2章和第3章的主題合並成完整的MSEM。這一章的例子基於2004年工作場所雇傭關繫調查教學數據集，探討了員工認為自己在工作中能力過高還是過低，取決於他們認為自己對工作要求有多高、管理者回應的積極程度、他們的薪酬，以及公司的員工人數。第5章總結全書，討論了一些進階類的主題，如分類因變量、抽樣權重和缺失數據，有興趣的讀者可以了解更多的參考文獻，並就如何處理技術文獻提供建議。

    多層結構方程模型相當復雜。事實上，正如作者所說，要研究的模型的復雜性僅受限於研究者的想像力（當然還有數據、軟件等）。有鋻於此，讀者將會特別感激這本實用的介紹，以及作者為不同背景的研究人員能夠閱讀此書所付出的努力。