# データファイルの読み込み

dat <- read.csv("chapter11.csv")

# 生徒レベルの変数の中心化（集団平均センタリング）

dat <- transform(dat,

rikai.cwc = rikai1 - ave(rikai1, class),

anki.cwc = anki1 - ave(anki1, class),

naiteki.cwc = naiteki - ave(naiteki, class),

douituka.cwc = douituka - ave(douituka, class),

toriire.cwc = toriire - ave(toriire, class),

gaiteki.cwc = gaiteki - ave(gaiteki, class))

# 学級レベルの変数の中心化（全体平均センタリング）

dat <- transform(dat,

rikai_tc = rikai_t - mean(rikai_t),

nichijo_tc = nichijo_t - mean(nichijo_t))

# マルチレベル分析

## lme4パッケージのインストール（※　パッケージを未インストールの場合に実施）

install.packages("lme4")

## lme4パッケージの読み込み

library(lme4)

## 表11-3

rikai_m1 <- lmer(rikai2 ~ rikai.cwc + naiteki.cwc + douituka.cwc + toriire.cwc + gaiteki.cwc + (1|class), dat = dat, REML = F)

summary(rikai_m1) # 結果の出力

confint(rikai_m1, method = "Wald") # 信頼区間

## 表11-5

rikai_m2 <- lmer(rikai2 ~ rikai.cwc + naiteki.cwc + douituka.cwc + toriire.cwc + gaiteki.cwc + rikai_t + nichijo_t + (1|class), dat = dat, REML = F)

summary(rikai_m2) # 結果の出力

confint(rikai_m2, method = "Wald") # 信頼区間

## 表11-4

anki_m1 <- lmer(anki2 ~ anki.cwc + naiteki.cwc + douituka.cwc + toriire.cwc + gaiteki.cwc + (1 + gaiteki.cwc|class), dat = dat, REML = F)

summary(anki_m1) # 結果の出力

confint(anki_m1, method = "Wald") # 信頼区間

## 表11-6

anki_m2 <- lmer(anki2 ~ anki.cwc + naiteki.cwc + douituka.cwc + toriire.cwc + gaiteki.cwc + rikai_tc + nichijo_tc + rikai_tc*gaiteki.cwc + nichijo_tc*gaiteki.cwc + (1 + gaiteki.cwc|class), dat = dat, REML = F)

summary(anki_m2) # 結果の出力

confint(anki_m2, method = "Wald") # 信頼区間