- 最后登录
- 2016-11-27
- 注册时间
- 2003-1-21
- 威望
- 250
- 金钱
- 16832
- 贡献
- 11934
- 阅读权限
- 255
- 积分
- 29016
- 日志
- 4
- 记录
- 0
- 帖子
- 1438
- 主题
- 69
- 精华
- 0
- 好友
- 380
    
- 注册时间
- 2003-1-21
- 最后登录
- 2016-11-27
- 积分
- 29016
- 精华
- 0
- 主题
- 69
- 帖子
- 1438
|
回复 1楼 lbnous 的帖子
( }. o/ ]7 o) h4 E+ E! a2 B6 o7 |lbnous,
, q" F, g8 e7 e7 S; [level 1 Yij=β0j+β1j(Xij)+rij% ^( W- q5 c1 {2 J: o
level 2+ `! y4 `( A5 G0 T4 a, ?" H z
β0j=γ00+μ0
, H6 d# s- _3 f5 A# }/ G β1j=γ10+μ1+ j/ q# v7 a" X# V
0 e# _: J' ]: a6 s/ u! i+ r' r
这个模型中 μ1 代表什么?它代表一个随机数值。如果 μ1=0, 也就还是模型中没有μ1的话,那么β1j=γ10 (一个常数),也就是每一层(j)的β1都是一样的,等如γ10。; B: D2 L1 g, C) N- @8 `! U
* r8 g1 u) d4 ^" R' N2 l/ L如果多加了一个随机项μ1,那就代表虽然你对每一层的斜率的估计是γ10,但是你容许误差。那真正的估计就不一定是γ10,而是(γ10+μ1)了。
; q5 v X/ H* f- j. U6 t' ` C$ j0 i
所以,当你不容许每一层的斜率有变的情形下,就是 β1j=γ10;如果你容许每一层的斜率有可能不同的话,就是β1j=γ10+μ1。 |
|