Flernivåanalyse

Question 1

Hva er flernivåanalyse og hvorfor bruker vi det?

Answer 1

Flernivåanalyse bygger på en hierarkisk datastruktur, og tar for seg alt ikke-uavhengige aspekter ved enhetene. Analyseenheter er ofte avhengig av hverandre, deler en kollektiverfaring som er unik for en gruppe. Gjør det mulig å separere den kollektive erfaringen fra hvert enkelt restledd.

Bedre signifikanttest enn OLS, gitt den hierarkiske datastrukturen og at nivå-2 strukturen faktisk påvirker. Feil å anta at man har å gjøre med uavhengige enheter.

Flere parametere enn det OLS gir oss.

Først ser man om det faktisk om det faktisk er noe varians på nivå 2 og så putter man inn UV på nivå 2 for å forklare denne variansen. Sammen utgjør modellen. Man får bedre ideer, teorier og problemstillinger som gir et mer realistisk bilde dataene. F.eks. hvordan individer funker i en gitt politisk kontekst.

Question 2

Hva er kryssnivåsamspill? Hvordan brukes Maximum-likelihood i flernivåanalyse?

Answer 2

Kryssnivåsamspill: ikke vare estimerte variansen i restleddet men prøver også å forklare denne variansen med en systematisk variabel på nivå-2. Inkluderer en samspillseffekt mellom nivå 1-variabelen og en kontekstvariabel på nivå 2 som potensiell forklaring for hvordan nivå 1-variabelen varierer over nivå 2-konteksten.
-endring i varians: større eller mindre med samspillseffekt?

Maximum-likelihood: finner den kombinasjonen av konstantleddet, koeffisienter og varianser som sammen har høyst sannsynlighet for å gi det datasettet vi har.

Likelihood, LR-test: sammenligne ulike flernivåmodeller. Hvorvidt en fullstendig modell er signifikant bedre enn en simpel modell. Positiv og signifikant LR-test: modellen er sig. bedre enn den reduserte modellen.

Question 3

Hva blir bedre med flernivåanalyse sammenlignet med OLS?

Answer 3

Utgangspunkt i formell antakelser i OLS om uavhengighet mellom enheter og at OLS restleddet antas å være resultatet av helt tilfeldige faktorer.
-Foretrekkes når det er hierarkisk datastruktur.

Bedre enn OLS?

• Mer korrekte standardfeil.
• Restledd på nivå 2, mer inklusiv og realistisk modell. OLS kan gi skjeve estimater på dette.
• Uavhengige variabler på nivå 2. Forklarer disse nivå-2 variablene varians på nivå 2?
• Teoriutvikling.

Question 4

Hva innebærer vitenskapelig metode?

Hvordan kan man bruke empirisk belegg?

Answer 4

Vitenskapelig metode er a) å få tak i informasjon om x (dvs. data), b) vurdere om info (dataene) duger som belegg for oppfatningen av x, og c) utnytte belegget for å avdekke sannheten.

Empirisk info (data) skaffes ved hjelp av persepsjon --> sansing + begrespforståelse. 
Belegg: Talende info, som egner seg til å underbygge en oppfatning om x. Sansene må være pålitelige, begrepsforståelsen adekvat og dataene valide. 

Det er presisert 4 måter å bruke empirisk belegg på:

1) Direkte empirisk begrunnelse: fra observasjon (persepsjon) av x til at x er tilfellet.
2) Induktiv slutning: fra observert x til oppfatning om at x, antar at x er vanlig. Mer generalsierende.
3) Abduktiv slutning. Fra oppfatning av at x er tilfellet til oppfatning om at y er tilfellet. Konkurrerende hypoteser. Årsaksforklaringer, tolkning. Hermeneutikk.