我很高兴介绍由布鲁诺·卡斯塔尼奥·席尔瓦（Bruno Castanho Silva）康斯坦丁·曼努埃尔·博桑查努（Constantin Manuel Bosancianu）和列文特·利特沃伊（Levente Littvay）撰写的《多层结构方程模型》。多层结构方程模型（multilevel structural equation models, MSEMs）是将结构方程模型（structural equation modeling, SEM）中以变量（伴随误差测量）之间关系为中心的研究与多层次模型（multilevel models, MLM）中以宏观—微观关系为中心的研究相结合。本书有一个清晰的主题进展，从观测变量的SEM开始，到验证性因子分析（confirmatory factor analysis, CFA），再到完整的模型，在每个过程中都添加一个多层成分。在每一章中，作者系统地从简单到复杂的模型设定展开，并用实例说明每一步。读者可以通过使用在线附录中的资料重复这些例子来加以练习。

    本书的一个创新之处是符号系统。SEM和MLM都有各自的惯例；作者将它们混合在一起。这一符号系统保留标准化多层文本中使用的符号，但引入上标来跟踪与特定系数相关的结果变量。这种方法使得将MSEM写成一系列方程成为可能，即使不精通矩阵代数的读者也可以大致了解本书的内容。为了进一步加强读者的理解，符号系统将大多数模型展示为一组方程式，以及基于SEM传统的图形表示。

    就所需的准备工作而言，有SEM或MLM经验的读者能最大程度地从本书获益。第1章对二者进行了非常有益的回顾，然后展示了如何将模型和符号系统组织到MSEM的单个框架中。第2章介绍了多层路径模型，包括随机截距模型和随机斜率模型。这一章使用来自55个国家的世界价值观调查数据（第四期）来探索与高度自我表达价值观（公民积极性、主观幸福感、宽容和信任、个人自主性和选择的重要性）相关的个人层面和国家层面的因素。第3章重点研究多层因子模型。该章使用2015年国际学生评估计划（PISA）中有关多米尼加共和国数码设备使用情况的数据，构建了双层CFA——首先将多层CFA与多组CFA进行比较，然后构建随机潜变量截距，最终形成带有随机负荷的多层CFA。同时，该章还包括一个对测量不变性的有用讨论。第4章将第2章和第3章的主题合并成完整的MSEM。这一章的例子基于2004年工作场所雇佣关系调查教学数据集，探讨了员工认为自己在工作中能力过高还是过低，取决于他们认为自己对工作要求有多高、管理者回应的积极程度、他们的薪酬，以及公司的员工人数。第5章总结全书，讨论了一些进阶类的主题，如分类因变量、抽样权重和缺失数据，有兴趣的读者可以了解更多的参考文献，并就如何处理技术文献提供建议。

    多层结构方程模型相当复杂。事实上，正如作者所说，要研究的模型的复杂性仅受限于研究者的想象力（当然还有数据、软件等）。有鉴于此，读者将会特别感激这本实用的介绍，以及作者为不同背景的研究人员能够阅读此书所付出的努力。