alterlab-multilevel-models

拟合并报告适用于聚类、嵌套、纵向和重复测量数据的混合效应/多水平/分层模型——包括随机截距和斜率、方差成分与组内相关系数（ICC）、跨层交互作用以及广义线性混合模型（GLMM，如逻辑回归/泊松回归）——使用 Python 中的 statsmodels MixedLM 和 bambi（基于 PyMC 的贝叶斯方法），或通过 Rscript 调用领域标准工具 R 的 lme4 / glmmTMB / brms。该技能强制要求报告审稿人常发现缺失的关键项目：完整的固定效应与随机效应设定、变量中心化、方差成分与 ICC、估计方法、模型假设检验、模型比较以及效应量。适用于数据具有分组/嵌套结构（如学生嵌套于学校、重复测量、面板/纵向数据）且研究问题关注组内与组间变异的情形。若为一般单层回归，建议使用 alterlab-statsmodels；若使用面板固定效应进行因果识别，建议使用 alterlab-causal-inference。属于 AlterLab 学术技能套件的一部分。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本