Co je hierarchický model?
Hierarchické a smíšené modely s náhodnými efekty v R
Richard Erickson
Data Scientist
Přehled kurzu
- Složky smíšených modelů
- Aplikace a interpretace lineárních smíšených modelů
- Zobecněné lineární smíšené modely
- Modely pro opakovaná měření
Proč používáme hierarchický model?
- Data vnořená sama v sobě
- Sdílení informací napříč malými vzorky
- Opakovaná pozorování v rámci skupin nebo jedinců
Další názvy pro hierarchické modely
- Hierarchické modely: vnořené modely, víceúrovňové modely
- Regresní rámec
- „Sdílení" informací
- „Náhodný efekt" vs. „fixní efekt"
- „Smíšený efekt" (lineární smíšený model; LMM)
- Lineární smíšená regrese (lmer)
- Opakované vzorkování: „opakovaná měření", „párové testy"
Výsledky školních testů
Metadata:
- Zlepšení výsledků v matematice od mateřské do 1. třídy
- Součást národního hodnocení v USA
- Podmnožina dat od Westa, Welche a Galeckého
Proměnné na úrovni žáka:
- ID žáka:
childid - Zlepšení skóre v matematice:
mathgain - Skóre z matematiky v mateřské škole:
mathdind - Pohlaví žáka:
sex - Příslušnost žáka k menšině:
minority
Výsledky školních testů
Proměnné na úrovni třídy:
- ID třídy:
classid - Matematická příprava učitele:
mathprep - Skóre znalostního testu učitele:
mathknow - Délka praxe učitele:
yearstea
Proměnné na úrovni školy:
- ID školy:
schoolid - Úroveň chudoby v domácnostech:
housepov - Socioekonomický status školy:
ses
Pojďme si procvičit!
Hierarchické a smíšené modely s náhodnými efekty v R
