7
Quantitative Methoden 2 (Subject) / Multilevel-Analyse (Lesson)
multileveö
This lesson was created by AnnekeAdn.
This lesson is not released for learning.
- wozu Multilevel-Modelle Wenn Vp verschiedenen Gruppen angehören und der Gruppierungsfaktor möglicherweise einen Einfluss auf das Kriterium hat oder den Einfluss anderer Prädiktoren moderiert; und, wenn eine Korrelation der Kriteriumswerte innerhalb der Gruppen besteht, wodurch die Annahme unabhängiger Messwerte und damit Residuen verletzt wird. (wann multilevel: wenn gant viele Ausprägungen da sind)
- hierarchische Datenstruktur Die untersuchten Personen gehören verschiedenen Gruppen an. Durch die hierarchische Struktur korrelieren die Kriteriumswerte der Person innerhalb der Gruppen miteinander
- Koeffizienten eines linearen Modells als Zufallsvariablen Bei der Multilevel Analyse wird davon ausgegangen, dass die Koeffizienten je nach Gruppe unterschiedlich ausfallen. Es ergibt sich daher für die verschiedenen Gruppen hinweg eine Verteilung jedes Koeffizienten. Diese Verteilung hat einen Erwartungswert(=Mittelwert) und eine Streuung, beides wird geschätzt bei Analyse
- Unterschied der Betrachtung des Effekts einer Variablen als fixed effect und der Betrachtung desselben Effekts als random effect -> bei Betrachtung als fixed effect wird davon ausgegangen, dass es nur einen wahren Effekt des jeweiligen Prädiktors auf das Kriterium gibt, d.h. dass der Regressionskoeffizient für alle Personen unabhängig von ihrer Gruppe gleich ist. ->bei Betrachtung als random effect wird davon ausgegangen, dass es für jede Gruppe einen eigenen wahren Effekt gibt. Aus der Annahme eines random effects folgt, dass es eine Verteilung wahrer Effekte über die Gruppen hinweg geben muss; die Verteilung (=Mittelwert) wird geschätzt
- Unterschied random intercept und random slope ->bei random intercept Modell wird nur davo ausgegangen, dasssich die Intercepts zwischen den Modellen unterscheiden; die Slopes(=Regressionskoeffizienten der einzelnen Prädiktoren) werden als für alle Guppen gleich angenommen -> Bei Random slope Modell wird davon ausgegangen, dass sich sowohl die intercepts als auch die slopes zwischen den Gruppen unterscheiden
- Annahmen Multilevel-Modell wie beim ALM, außer dass die Messungen nicht unabhängig sein müssen, stattdessen wird davon ausgegangen, dass die Abhängigkeit zwischen den Messungen erfasst wird
- Effektstärken -> Berechnung von Pseudo R^2 (Cox&Snell) -Für Gesamtmodell wird das Modell mit dem Nullmodell verglichen -> für eine Prädiktorvariable, wird ein Modell mit dieser Variable mit einem Modell ohne diese Variable verglichen
Advertisement