Czym jest model hierarchiczny?
Hierarchiczne i mieszane modele efektów w R
Richard Erickson
Data Scientist
Przegląd kursu
- Składniki modeli mieszanych
- Stosowanie i interpretacja liniowych modeli mieszanych
- Uogólnione liniowe modele mieszane
- Modele pomiarów powtarzanych
Dlaczego stosujemy model hierarchiczny?
- Dane zagnieżdżone w sobie
- Łączenie informacji z małych prób
- Powtarzane obserwacje w grupach lub u jednostek
Inne nazwy modeli hierarchicznych
- Modele hierarchiczne: modele zagnieżdżone, modele wielopoziomowe
- Podejście regresyjne
- "Łączenie" informacji
- "Efekt losowy" a "efekt stały"
- "Efekt mieszany" (liniowy model mieszany; LMM)
- Liniowa regresja mieszana (lmer)
- Próbkowanie powtarzane: "pomiary powtarzane", "testy parowane"
Wyniki testów szkolnych
Metadane:
- Przyrost wyników z matematyki od przedszkola do 1. klasy
- Część ogólnokrajowej oceny w USA
- Podzbiór danych West, Welch i Galecki
Zmienne na poziomie ucznia:
- ID ucznia:
childid - Przyrost wyniku z matematyki:
mathgain - Wynik z matematyki w przedszkolu:
mathdind - Płeć ucznia:
sex - Status mniejszości ucznia:
minority
Wyniki testów szkolnych
Zmienne na poziomie klasy:
- ID klasy:
classid - Przygotowanie matematyczne nauczyciela:
mathprep - Wynik testu z matematyki nauczyciela:
mathknow - Staż nauczyciela:
yearstea
Zmienne na poziomie szkoły:
- ID szkoły:
schoolid - Poziom ubóstwa w gospodarstwach domowych:
housepov - Status społeczno-ekonomiczny szkoły:
ses
Czas na ćwiczenia!
Hierarchiczne i mieszane modele efektów w R
