4 Hierarchische Lineare Modelle Flashcards
Was sind hierarchische Datenstrukturen?
Daten, die in Gruppen oder Ebenen organisiert sind, z. B. Schüler in Klassen, Mitarbeiter in Teams.
Welches Problem entsteht durch hierarchische Datenstrukturen?
Die Unabhängigkeitsannahme der klassischen Regression wird verletzt, da sich Werte innerhalb von Gruppen ähneln.
Warum führt eine Missachtung der hierarchischen Struktur zu falschen Schlüssen?
Standardfehler werden unterschätzt, wodurch Zusammenhänge überschätzt werden können.
Was sind Mehrebenenmodelle?
Modelle, die hierarchische Strukturen berücksichtigen, indem sie Variabilität auf mehreren Ebenen schätzen.
Worin unterscheiden sich Mehrebenenmodelle von klassischer Regression?
Sie erlauben zufällige Effekte und berücksichtigen die Gruppenstruktur der Daten.
Was ist das Intercept-Only-Modell?
Ein Modell ohne Prädiktoren, das die Gesamtvarianz in Level-1- und Level-2-Varianz aufteilt.
Was ist das Random-Intercept-Modell?
Ein Modell mit festen Prädiktoren auf Level-1, aber variierenden Intercepts zwischen Gruppen.
Was ist das Random-Coefficients-Modell?
Ein Modell, in dem sowohl Intercepts als auch Steigungen zwischen Gruppen variieren können.
Was ist ein Modell mit Cross-Level-Interaktionseffekt?
Ein Modell, das untersucht, wie sich eine Level-2-Variable auf die Beziehung zwischen einer Level-1-Variable und der abhängigen Variable auswirkt.
Wie werden Modellparameter in Mehrebenenmodellen geschätzt?
Mit der Maximum-Likelihood- oder Restricted-Maximum-Likelihood-Methode (ML/REML).
Wie testet man die Signifikanz von Modellparametern?
Durch t-Tests der Koeffizienten oder Likelihood-Ratio-Tests für Modellvergleiche.
Wie bewertet man die Modellpassung?
Mit Informationskriterien wie AIC oder BIC und dem Likelihood-Ratio-Test.
Was ist ein Trendmodell?
Ein Modell, das Veränderungen über die Zeit beschreibt, indem Zeit als Prädiktor aufgenommen wird.
Wie wird Zeit in Trendmodellen berücksichtigt?
Durch die Aufnahme eines Zeitfaktors als Level-1-Variable in das Modell.
