[問題] 如何探討自變項變化對依變項變化之作用？

[hoobar (yes)]

請教各位先進：

對重複測量資料(如1000位學生，重複測量5次)，可用HLM或Latent Growth Curve Model
檢視依變項改變的截距和斜率是否存有變異，再找出能解釋變異的因素(自變項)。

但在HLM或SEM模型中，自變項大多是放某一時間點(例如基期)資料，
或不隨時間變動的資料，並非是自變項在多個時間點的變化。

若我想探討學生唸書時數對憂鬱軌跡的影響，唸書時數和憂鬱分數在5個時間點都有測量，
並假設唸書時數增加者，憂鬱分數也會增加。

請問：

1. 我該用什麼模型，去探討自變項變化對依變項變化之影響呢？
   是panel analysis的固定效果或隨機效果嗎？

2. 若資料有不同階層的自變項(如班級氣氛以及個人唸書時數)重複測量資料，
   可整理成階層的panel資料，作固定效果或隨機效果分析嗎？

3. HLM或SEM模型中，解釋因素能否放入不同階層自變項變化的資料？
   還是必須自己先算出改變(如斜率)再放入？

以上向各位高手求救，感謝！

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.225.94.90
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1488923129.A.EF7.html
→ recorriendo: 當然可以 nested model理論上要幾層都行 只要data夠
→ recorriendo: 時間本身可當自變項 建議看看longitudinal data專書
→ recorriendo: 都會講
→ coldwind0912: 不要被自我設限了，時間的iv效果本來就可以當自變項
→ coldwind0912: 真的如上面所說 只要data夠 nested就解決了...
→ coldwind0912: 可以多參考一些縱貫研究的paper 想想看model怎麼建
→ coldwind0912: 實務上 應該已經有很多paper做得到
推 anniecs: GEE
→ hoobar: 感謝前輩的建議！