摘" 要" 随着研究问题的深入和数据收集手段的进步， 能够合理分析和深入挖掘嵌套结构数据信息的混合效应均值?方差模型(Mixed-Effects Location-Scale Models， MELSM)受到广泛关注。本研究拟通过模拟研究和应用研究， 在贝叶斯框架下探究MELSM的模型建构方法， 并探索MELSM在确定和不确定情境下结合检验力和效应量准确性分析的样本量规划范式， 最终整合上述功能开发简便易用的软件包， 形成MELSM的应用流程， 促进新方法和新技术在心理学研究中的推广应用， 提高研究的生态效度和可重复性， 进而提高研究的整体质量。

    关键词" 嵌套数据， 混合效应均值?方差模型， 模型建构， 样本量规划

    分类号" B841

    1" 研究背景

    在心理学与教育学研究中， 数据常常以层级嵌套的结构呈现。例如， 重复测量设计中试次嵌套于被试， 追踪研究中测量时间点嵌套于个体， 教育学研究中学生嵌套于班级等， 这些多层级结构的数据就是嵌套数据(Nested Data)。嵌套数据对传统的数据分析方法带来了挑战。首先， 嵌套数据由于同一组内的各观测值间不独立， 存在残差非独立性问题， 违背了t检验、方差分析、回归分析等传统统计方法的假设， 造成结果偏差。其次， 为满足实验控制、因果推断等要求， 研究者需要在不同水平(如试次水平、被试水平等)加入控制变量或预测变量， 这是传统统计方法难以实现的。因此， 越来越多的研究者建议采用线性混合效应模型(Linear Mixed-Effects Models， Hox et al.， 2017)实现嵌套数据的分析。然而， 该模型的残差方差同质性假设(以下简称“残差同质性”)在实际应用中常常被违背 ......