本研究經由模擬研究的方式同時比較貝氏方法和ML估計法在多層次模型以及成長模型建構時，最小可行的分析樣本單位數，並同時考慮存在隨機遺漏下，在多層次模型以及成長模型建構所需的樣本數調整。研究發現，使用貝氏方法進行多層次模型以及成長模型建構，所需的樣本數較小且可以獲得穩定的參數覆蓋率以及統計考驗力，值得加以推廣。 英文： This paper shows practical guidelines of sample size requirements when results are analyzed by multilevel models. The study found that when Bayesian method is used for multilevel model,stable parameters and power are attained through fewer samples.
