Vad är en hierarkisk modell?
Hierarkiska modeller och modeller med blandade effekter i R
Richard Erickson
Data Scientist
Kursöversikt
- Komponenter för mixed-effect-modeller
- Tillämpa och tolka linjära mixed-effect-modeller
- Generaliserade linjära mixed-effect-modeller
- Modeller för upprepade mätningar
Varför använder vi en hierarkisk modell?
- Data nästlad inom sig själv
- Samla information över små urvalsstorlekar
- Upprepade observationer över grupper eller individer
Andra namn för hierarkiska modeller
- Hierarkiska modeller: Nästlade modeller, flernivåmodeller
- Regressionsramverk
- "Poolning" av information
- "Slumpmässig effekt" kontra "fast effekt"
- "Mixed-effect" (linjär mixed-effect-modell; LMM)
- Linjär mixed-effect-regression (lmer)
- Upprepad sampling: "Upprepade mätningar", "Parade tester"
Skolprovresultat
Metadata:
- Förbättring i matematikpoäng för enskilda elever från förskola till årskurs 1
- Del av en nationell utvärdering i USA
- Delmängd av data från West, Welch och Galecki
Variabler på elevnivå:
- Elev-ID:
childid - Förbättring i matematikpoäng:
mathgain - Matematikpoäng i förskola:
mathdind - Elevens kön:
sex - Elevens minoritetsstatus:
minority
Skolprovresultat
Variabler på klassrumsnivå:
- Klassrums-ID:
classid - Lärarens matematikutbildning:
mathprep - Lärarens kunskapspoäng i matematik:
mathknow - Lärarens antal undervisningsår:
yearstea
Variabler på skolnivå:
- Skol-ID:
schoolid - Skolans fattigdomsnivå bland hushåll:
housepov - Skolans socioekonomiska status:
ses
Nu kör vi en övning!
Hierarkiska modeller och modeller med blandade effekter i R
