一般線形混合モデル

基礎から学ぶマルチレベルモデル―入り組んだ文脈から新たな理論を創出するための統計手法

　Rで推定したマルチレベル分析の結果を、SPSS（PASW）で確認してみる。分析はKreft and de Leeuw（1998＝2006）を見ながら。ただしデータの管理はRでおこなっているので、データの作成や加工（Kreft and de Leeuw 1998＝2006: 166-74）は省略（実行済み）。

/* 切片のみのモデル */
MIXED Y1
  /CRITERIA = CIN(95) MXITER(100) MXSTEP(5) SCORING(1) SINGULAR 
   (0.000000000001) HCONVERGE(0, ABSOLUTE) LCONVERGE(0, ABSOLUTE) 
   PCONVERGE(0.000001, ABSOLUTE)
  /FIXED = | SSTYPE(3)
  /METHOD = ML
  /PRINT = G SOLUTION TESTCOV
  /RANDOM = INTERCEPT | SUBJECT(G) COVTYPE(VC).

/* 切片＋レベル1変数 */
MIXED Y1 WITH X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
  /CRITERIA=CIN(95) MXITER(100) MXSTEP(5) SCORING(1) SINGULAR
   (0.000000000001) HCONVERGE(0, ABSOLUTE) LCONVERGE(0, ABSOLUTE) 
   PCONVERGE(0.000001, ABSOLUTE)
  /FIXED = X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 | SSTYPE(3)
  /METHOD = ML
  /PRINT = G SOLUTION TESTCOV
  /RANDOM = INTERCEPT | SUBJECT(G) COVTYPE(VC).

/* 切片＋レベル1変数＋レベル2変数 */
MIXED Y1 WITH X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 W1 W2
  /CRITERIA=CIN(95) MXITER(100) MXSTEP(5) SCORING(1) SINGULAR
   (0.000000000001) HCONVERGE(0, ABSOLUTE) LCONVERGE(0, ABSOLUTE) 
   PCONVERGE(0.000001, ABSOLUTE)
  /FIXED = X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 W1 W2 | SSTYPE(3)
  /METHOD = ML
  /PRINT = G SOLUTION TESTCOV
  /RANDOM = INTERCEPT | SUBJECT(G) COVTYPE(UN).

　変数の構成や推定方法（ML）が同じなので、当然、結果はRで推定したものと一致する。こうして見ると、Rのスクリプトは本当にシンプルなんだなと実感。SPSSの混合モデルのシンタックスは、ちょっと覚えられそうにない。