Optimal Credibility Estimation of Random Parameters in Hierarchical Random Effect Linear Model

In the hierarchical random effect linear model, the Bayes estimator of random parameter are not only dependent on specific prior distribution but also it is difficult to calculate in most cases. This paper derives the distributed-free optimal linear estimator of random parameters in the model by means of the credibility theory method. The estimators the authors derive can be applied in more extensive practical scenarios since they are only dependent on the first two moments of prior parameter rather than on specific prior distribution. Finally, the results are compared with some classical models and a numerical example is given to show the effectiveness of the estimators.

Hierarchical Linear Model of Monthly Rainfall with Regional and Seasonal Interaction Effects

According to the hierarchical characteristics of monthly rainfall in different regions, the paper takes the geographical factors and seasonal factors into the hierarchical linear model as the level effect. Through clustering methods we select two more representative regional meteorological data. We establish three-layer model by transforming the interactive structure date into nested structure data. According the model theory we perform the corresponding model calculations, optimization and analysis, accordingly to interpret the level effects, and residual test. The results show that most of the difference in Monthly Rainfall was respectively explained by Variables (Meteorological factors, seasonal effects, geographic effects) in different levels.

Analysis of Factors Influencing Second-hand Housing Prices in Beijing based on Hierarchical Linear Model

In recent years,housing prices have attracted widespread attention,and the fluctuation of housing prices is due to a combination of many factors.In addition to the characteristics of the house itself,the price of a house is also affected by other factors,such as the community in which the house is located.This article used Beijing’s 2017 second-hand housing transaction data (based on second-hand housing transaction records on Lianjia.com),introduced a hierarchical linear model,and employed Stata software to analyze from different levels.It is intended to find the correlation between housing prices and different levels of characteristics,so to pin down the factors that affect prices of the second-hand housing.

A Bayesian hierarchical model for the inference between metal grade with reduced variance:Case studies in porphyry Cu deposits

Ore sorting is a preconcentration technology and can dramatically reduce energy and water usage to improve the sustainability and profitability of a mining operation.In porphyry Cu deposits,Cu is the primary target,with ores usually containing secondary‘pay’metals such as Au,Mo and gangue elements such as Fe and As.Due to sensing technology limitations,secondary and deleterious materials vary in correlation type and strength with Cu but cannot be detected simultaneously via magnetic resonance(MR)ore sorting.Inferring the relationships between Cu and other elemental abundances is particularly critical for mineral processing.The variations in metal grade relationships occur due to the transition into different geological domains.This raises two questions-how to define these geological domains and how the metal grade relationship is influenced by these geological domains.In this paper,linear relationship is assumed between Cu grade and other metal grades.We applies a Bayesian hierarchical(partial-pooling)model to quantify the linear relationships between Cu,Au,and Fe grades from geochemical bore core data.The hierarchical model was compared with two other models-‘complete-pooling’model and‘nopooling’model.Mining blocks were split based on spatial domain to construct hierarchical model.Geochemical bore core data records metal grades measured from laboratory assay with spatial coordinates of sample location.Two case studies from different porphyry Cu deposits were used to evaluate the performance of the hierarchical model.Markov chain Monte Carlo(MCMC)was used to sample the posterior parameters.Our results show that the Bayesian hierarchical model dramatically reduced the posterior predictive variance for metal grades regression compared to the no-pooling model.In addition,the posterior inference in the hierarchical model is insensitive to the choice of prior.The data is wellrepresented in the posterior which indicates a robust model.The results show that the spatial domain can be successfully utilised for metal grade regression.Uncertainty in estimating the relationship between pay metals and both secondary and gangue elements is quantified and shown to be reduced with partial-pooling.Thus,the proposed Bayesian hierarchical model can offer a reliable and stable way to monitor the relationship between metal grades for ore sorting and other mineral processing options.

Bayesian Segmentation of Piecewise Linear Regression Models Using Reversible Jump MCMC Algorithm

Piecewise linear regression models are very flexible models for modeling the data. If the piecewise linear regression models are matched against the data, then the parameters are generally not known. This paper studies the problem of parameter estimation ofpiecewise linear regression models. The method used to estimate the parameters ofpicewise linear regression models is Bayesian method. But the Bayes estimator can not be found analytically. To overcome these problems, the reversible jump MCMC （Marcov Chain Monte Carlo） algorithm is proposed. Reversible jump MCMC algorithm generates the Markov chain converges to the limit distribution of the posterior distribution of the parameters ofpicewise linear regression models. The resulting Markov chain is used to calculate the Bayes estimator for the parameters of picewise linear regression models.

数字经济发展与农民工就业质量:契机与困境——基于CFPS 2018数据的多层模型分析

数字经济的发展为农民工高质量就业注入了新动能,为其转型升级提供了契机,但同时也带来了新困境。基于2018年中国家庭追踪调查(CFPS)数据,采用HLM模型从多层视角剖析了数字经济对农民工就业质量的影响及其内在机制,并揭示了农民工就业质量各个维度的实际问题。研究结果表明,数字经济在宏观层面优化了就业结构,在微观层面促进了弱关系社会资本以及人力资本的积累,进而显著改善了农民工的就业质量,尤其是在收入水平提升和劳动合同签订率方面;但也存在部分低收入农民工无法享受“数字收入红利”以及“灵活化”劳动合同的问题。数字经济对工作时间的影响表现出双向效应,数字经济的快速发展所催生的新型职业岗位和劳动关系模式,也暴露出劳动保障缺失的制度漏洞。异质性分析进一步表明,数字经济会对具有某些特征的农民工群体产生偏向性,会加剧农民工内部的不平等。最后针对性地提出了改善农民工就业质量的政策建议。

时间效应下的健康信息说服机制研究--基于精细加工可能性模型的实证

通过健康信息传播和教育说服公众形成健康行为意愿是一个现实课题。本文以精细加工可能性模型(elabo‐ration likelihood model,ELM)为理论基础,将说服路径分为中心路径和外围路径,同时引入短期的时间纵向数据追踪。本文实施了10天左右持续使用健康信息的日记报告实验,基于30名大学生提交的377条健康信息日记数据,建立个体层面与信息线索、时间层面的多层线性回归模型(hierarchical linear modeling,HLM),探究健康信息对个体健康行为意愿的说服机制。研究结果表明,健康行为意愿的说服过程主要是信息质量和来源可信度的混合式说服路径;在7天周期内,健康信息说服效果逐渐增强,其中信息质量的说服效果更为稳定,来源可信度的说服效果则随着时间推移逐渐被抵消;健康信息说服路径随个体特征和接触时机而变;健康意识调节来源可信度和信息热度对说服效果的影响,且具有时间效应;卷入度调节信息质量和来源可信度对信息说服效果的影响,但不存在时间效应。本文的研究结果有助于深入理解健康信息对健康行为意愿改变的说服机制,为建立“以人为本”的个性化健康信息传播和健康教育方案提供了参考。

差异化变革型领导对员工安全绩效的跨层次影响

针对差异化变革型领导对安全绩效的影响问题,利用多层线性分析与层次回归分析法,引入心理安全感为中介变量,建立跨层次中介模型。研究表明:团队一致性变革型领导对员工安全绩效具有显著正向影响;个体差异性变革型领导对员工安全绩效具有显著负向影响;心理安全感在团队一致性变革型领导、个体差异性变革型领导与安全绩效间起部分中介作用。团队一致性变革型领导风格能提高员工的心理安全感,从而提高员工安全绩效。

数字经济对居民收入的影响效应研究——基于多层线性模型的实证分析

本文基于中国家庭追踪调查微观数据和中国城市统计宏观数据,探讨数字经济与居民收入之间存在的逻辑关系,并运用多层线性模型分析数字经济对居民收入的影响。研究表明:地区数字经济水平对居民收入具有显著正向提升作用,在解决内生性问题以及一系列稳健性检验后结论依然成立;数字经济对不同特征居民的收入影响具有显著异质性,即数字经济会因居民自身特征的不同而对其收入产生不同程度的影响。机制检验结果表明,在数字经济影响居民收入中,居民受教育程度发挥了重要调节作用。结合研究结果,本文提出相关对策建议,以期将数字经济促进居民增收的作用发挥到最大,实现数字经济快速发展和居民收入水平提高的双重目标。

地区社会福利水平与居民生育意愿——基于HLM模型的研究

生育率持续走低,对我国经济、社会建设等提出了严峻挑战。根据CFPS数据库2020年数据,以福利多元化理论为指导,构建多层次回归模型(HLM)测度全国25个地区(包含省、自治区、直辖市)福利水平对于生育意愿的影响。研究发现:宏观层面:生育保障指标对居民生育意愿正向影响不显著、经济发展指标负向影响显著、公共服务指标负向影响显著。宏观、微观交互层面:提高地区福利水平能够显著改善婚姻对于生育意愿的负向影响,显著增强农村户口居民的生育意愿。模型异质性分析:大专以上学历的居民生育意愿受生育保障指标的影响正向显著,而提升公共服务指标能显著提升大专以下学历居民的生育意愿;相对男性,生育保障指标能够显著提升女性生育意愿;完善地区生育保障指标能够显著提升未生育居民的生育意愿;生育保障指标显著提升东部地区的生育意愿,而经济发展指标显著提升西部地区的生育意愿。通过模型的模拟,探讨地区福利水平影响居民生育意愿的内在机制,据此提出相关建议,从而优化生育政策、改善福利供给。

韩国补课如何影响数学成绩?——基于TIMSS 2019数据的双层线性模型分析

韩国中小学生普遍补课,背后的关键假设是补课有利于提高学习成绩,但是补课和成绩的关系究竟如何,目前尚无定论。此外,补课的作用可能因条件而异,有必要更加细致地考察补课对不同群体的作用。本研究基于“国际大型数学与科学趋势研究”(TIMSS)2019八年级测评数据,采用双层次线性模型进行分析,发现韩国八年级学生补课时间越长,数学成绩就越好。在此基础上,如果学生所在学校平均补课时间长,学生成绩将额外增加;这种作用可被该校学生的整体家境组成所部分解释。学生补课时长与成绩的关系既不因学校而异,也不因其学业水平的高低而异;但是学生家庭经济与文化资本越薄弱,补课久与成绩提升的关系越大。本研究还发现,校内数学教师的教学水平能够在一定程度上中和补课与成绩的关系,但是这种作用比较有限。韩国已然形成补课主导的教育生态,补课对成绩有顽强的预测力,其背后反映的是学生与家长在学业竞争中胜出的需求无法在公办教育中得到满足;反过来,韩国的补课市场提供了更加多元化、个性化的教育。

基于关键角色互动特征识别的协作学习预警研究

动态监督并精准干预协作角色的功能表现和群体协调问题,有助于提升协作学习的互动质量与效率。文章旨在通过挖掘协作学习中个体和群体层级角色互动特征对学习成效的影响路径来设计协作学习预警机制。以科学协作探究为研究情境,文章提出了融合时序和能级信息的个体和群体双层级角色互动特征计算方法,并运用多层线性模型识别出对学习成效有显著直接效应和调节效应的关键角色互动特征。研究发现:个体层级的四种关键互动特征中角色转换频数、角色维持时长均值、角色能级均值对学习成效具有正向影响,角色能级变化系数对学习成效具有负向影响;群体层级的三种关键互动特征策略转换频数、策略能级变化系数、策略能级方差对部分个体层级互动特征的效应有调节作用。最后,文章设计了基于上述关键角色互动特征的协作学习预警机制,并提出角色感知、角色建议、角色配置三种不同强制程度的教学干预策略。

隧道工人群体安全行为对个体安全行为的影响

针对隧道工程施工安全问题,从隧道工人行为角度出发,结合问卷调查数据,建立分层线性模型(hierarchical linear model,HLM),从微观上解释了安全行为关联因素影响过程。利用信效度评价检验了309份有效数据的可靠性,通过假设检验依次分析了隧道工人群体安全行为对个体安全行为、安全氛围以及团队效能的影响作用。结果表明,群体安全行为对个体安全行为具有显著正向影响;安全氛围在群体安全行为与个体安全行为之间具有中介作用;团队效能在安全氛围与个体安全行为之间具有正向调节作用。以上结果为更好地发挥安全行为在隧道施工安全管理中的作用提供了指导。

初中生认知能力的影响因素探究——基于CEPS的多层线性模型分析

基于中国教育追踪调查数据,运用多层线性模型(HLM)探究初中生认知能力的影响因素,在学生个体层面、学校层面和跨层级交互作用上得到一系列研究结论。学生的性别、非认知能力、学习态度、积极同伴、消极同伴、家长教育期望和家庭社会经济地位都会对其认知能力产生影响;高级教师比例、学校设施、学校不良氛围和学校地域也都会对学生认知能力产生影响;师生比、图书数量和学校设施与学生性别的存在交互作用,师生比和生均财政与学生的非认知能力存在交互作用,高级教师比例、学校设施和图书数量与学生的学习态度存在交互作用,家校合作和学生的家庭社会经济地位存在交互作用。

大学生社交媒体使用时长对错失恐惧的动态影响:特质性正念的跨层调节作用

目的:运用生态瞬时评估法,探讨大学生过去半小时内的社交媒体使用时长与当前的错失恐惧之间的动态关系,同时检验特质性正念水平对此关系是否存在跨层调节作用。方法:使用正念注意觉知量表测量45名在校大学生的特质性正念水平作为个体间水平数据,并在被试的实际生活中持续9个工作日、每天2次采集过去半小时内的社交媒体使用时长以及当前的错失恐惧水平(共获810个数据点)作为个体内水平数据,之后进行多层线性分析。结果:在个体内水平上,在对抑郁和焦虑水平进行统计控制后,过去半小时的社交媒体使用时长正向预测当前的错失恐惧水平(γ10=0.01,P<0.001);特质性正念水平的跨层调节作用显著(γ11=-0.06,P<0.05),具体来说,特质性正念水平越高的个体,在使用社交媒体后体验到的错失恐惧程度较低。结论:大学生日常生活中较长的社交媒体使用时长可能加剧错失恐惧的产生,但较高的特质性正念水平可能缓解错失恐惧的产生;考虑到错失恐惧可能进一步引起社交媒体的过度使用,未来研究可探索正念训练对减少社交媒体过度使用的效果。

Posterior propriety of an objective prior for generalized hierarchical normal linear models

Bayesian Hierarchical models has been widely used in modern statistical application.To deal with the data having complex structures,we propose a generalized hierarchical normal linear(GHNL)model which accommodates arbitrarily many levels,usual design matrices and'vanilla'covari-ance matrices.Objective hyperpriors can be employed for the GHNL model to express ignorance or match frequentist properties,yet the common objective Bayesian approaches are infeasible or fraught with danger in hierarchical modelling.To tackle this issue,[Berger,J,Sun,D.&Song,C.(2020b).An objective prior for hyperparameters in normal hierarchical models.Journal of Multi-variate Analysis,178,104606.https://doi.org/10.1016/jmva.2020.104606]proposed a particular objective prior and investigated its properties comprehensively.Posterior propriety is important for the choice of priors to guarantee the convergence of MCMC samplers.James Berger conjec-tured that the resulting posterior is proper for a hierarchical normal model with arbitrarily many levels,a rigorous proof of which was not given,however.In this paper,we complete this story and provide an user friendly guidance.One main contribution of this paper is to propose a new technique for deriving an elaborate upper bound on the integrated likelihood but also one uni-fied approach to checking the posterior propriety for linear models.An eficient Gibbs sampling method is also introduced and outperforms other sampling approaches considerably.

Hierarchical Linear Modeling in International Marketing Research： A Review with an Application on Innovation and Export in China

While much of international marketing research involves two or more levels, limited work in the international marketing literature uses hierarchical linear modeling to examine different level effects. This study conducts a thorough literature review on hierarchical linear modeling （HLM） in 28 international marketing papers that employed HLM from 2005-2014 and evaluates the use of HLM in these papers on the objects, operating levels, and other issues. We call for more applications of HLM in international marketing research, particularly for research on emerging markets with significant sub-national and institutional variations. The paper provides an illustrative empirical study that employs HLM to test the moderating role of industry-level government subsidies in the relationship between firm innovation and exporter performance in China.

在线学习环境下师范生社会情感能力影响因素研究——基于HLM模型分析

在线教育获得蓬勃发展的时代背景下,学生的社会情感能力获得了新的发展机遇。分析在线学习环境下师范生社会情感能力的影响因素,对于提升师范生的人际关系质量、情感健康和从师素质至关重要。研究以某省级师范院校889名师范生为研究样本,采用多层线性模型分析方法,分析了个体和专业两个层次影响因素的直接效应以及层次间的中介效应。研究发现:(1)在个体层面,在线学习环境归属感对社会情感能力的影响最大,情绪调节策略使用频率次之;(2)在专业层面,同伴关系对社会情感能力的影响最大,在线学习氛围和社会情感能力发展机会次之,师生关系的影响程度最小;(3)专业层面因素会通过个体层面因素的中介作用对社会情感能力产生间接影响。

城市福利对生育意愿的影响——基于长江经济带CFPS数据的检验

我国已步入超低生育率水平行列,未来将面临严峻的低生育风险所带来的诸多挑战。文章基于2018年中国家庭追踪调查数据(CFPS),采用HLM模型研究长江经济带30市城市福利对生育意愿的影响。结果表明:第一,城市经济福利对个体生育意愿具有显著促进作用,在一定的社会福利水平基础上提高生活福利水平,不会带来个体更多生育意愿的提升,改善城市的各项环境福利水平会提升居民生育意愿,但结果不显著。第二,从个体层面来看,年龄与生育意愿呈倒“U”型关系;拥有非农业户口的居民、中共党员、幸福感最高的个体更愿意生育“两孩及以上”而并非独生子女;仍在职工作、大专及以上受教育程度的个体更倾向生育独生子女;认为“男性较女性受社会压力更大”的个体,更不愿意生育两个孩子或更多孩次。第三,根据跨层交互项系数,随着城市经济福利的增长,年龄、拥有城镇户口对个人生育意愿的影响效应逐渐减弱,在职工作对个人生育意愿的影响效应有所增强;随着社会福利的提升,在职工作、拥有城镇户口对个人生育意愿的影响效应呈弱化趋势;随着城市环境福利的提升可以增强城镇户口的居民对生育意愿的影响,即环境福利产生的边际效应为正。文章通过分析长江经济带这一我国典型先行示范区生育意愿与城市福利联系的内在逻辑,并探析城市福利对生育意愿的影响机理及内在特征,为政府出台相关政策,加强生育福利资源供给提供理论依据。

“双减”背景下学生学业压力减轻了吗?——基于我国东中西部6省30个县(市、区)的调查

随着“双减”政策的推进,其政策落实效果及存在问题需要引起重视,应关注学业压力现状及其影响因素,进而保障“双减”政策的顺利实施。本研究基于东中西部6省30个县(市、区)的实证调查数据,运用多层次线性回归的方法探讨了学生学业压力现状及影响因素问题,数据分析结果表明:学生仍具有一定程度的学业压力、学生学业压力存在个体与学校两方面层次的差异、个体及学校方面相关因素均能够对学业压力造成显著影响。为进一步减轻学生学业压力,本研究提出以下对策建议:注重多方力量的协同配合,提高课后服务质量,实行弱势群体补偿措施,以期帮助义务教育阶段学生缓解学业压力,促进高质量教育体系的构建。