Multilevel Modeling (MLM) Flashcards
När är det extra lämpligt att använda sig av MLM? (?p)
När man ska predicera/förklara individuella värden (tex skolbetyg) utifrån prediktorer som är både på gruppnivå (tex lärarnas kompetens) och individnivå (hur mycket man pluggat).
Kräver hierarkiskt strukturerad data.
X TENTAFRÅGA x2:
Beskriv vad som menas med ”fixed intercept”, ”fixed effect”, ”random intercept” samt ”random effect”. Ge konkreta exempel. (?p)
Fixed intercept = värdet i utfallsvariabeln antas vara det samma i alla subgrupper (högre nivå) när prediktorerna (lägre nivå) har värdet 0.
Fixed effect = effekt av en prediktor (lägre nivå) antas vara den samma i alla subgrupper (högre nivå).
Random intercept = värdet i utfallsvariabeln tillåts variera mellan olika subgrupper (högre nivå),
Random effect = effekt av prediktor (lägre nivå) antas/tillåts variera mellan olika subgrupper (högre nivå).
TENTAFRÅGA:
Vad innebär det att man centrerar en variabel? Varför är det vanligt att centrera prediktorer inom MLM? (?p)
Vad?
Tar varje persons värde på viss variabel minus medelvärdet på variabeln.
Varför?
För att få mer meningsfulla intercept. (Standardisering/z-transformation är också en centrering, men där man ändrar standardavikelsen.)
Vad innebär ”grand mean” centrering respektive ”subgruppscentrering”? (?p)
Grand mean:
Hur avviker individens värde från hela samplets medelvärde.
Subgruppscentrering:
Hur avviker individens värde från subgruppens (den msn tillhör) medelvärde.
TENTAFRÅGA:
Varför är det inte lämpligt att köra vanlig regressionsanalys på hierarkiska data? (2p)
Regressionsanalys tar ej hänsyn till beroende inom OV -> De i samma subgrupp kommer att få samma värde i och med att de tillhör samma grupp. Leder till fler frihetsgrader än man bör och ökad risk för typ 1-fel.
Mlm tar hänsyn till både antal individer i varje subgrupp och subgrupper.
Nämn namnet på de två estimeringsmetoder som (främst) används i MLM. (2p)
Maximum Likelihood (ML): För kombinationer av parametervärden estimeras ”sannolikheten för att erhålla aktuella data om detta är parametervärdena i populationen”. Kombinationen av parametervärden som maximerar denna sannolikhet väljs ut.
Restricted Maximum Likelihood (REML, RML):
ML ger biased estimat i vissa situationer (t.ex. med små sample). REML‐algoritmen kompenserar för detta.
TENTAFRÅGA:
Säg att vi vill testa ifall medelvärdet på en viss variabel V skiljer sig åt mellan ett antal grupper. Vad specificeras denna ”skillnad mellan grupper” som vid en MLM? (2p)
Random intercept.
X TENTAFRÅGA:
Vad anger ”-2 Log Likelihood”? Vad indikerar ett högt respektive ett lågt värde? (2p)
Grad av ”missanpassning” mellan modellen och data.
TENTAFRÅGA x2:
Vad innebär det att en modell A är ”nestad” i en annan modell B? Vilken av de två modellerna kommer att uppvisa bättre anpassning till data? (2p)
Det betyder att alla parametrar som finns i A också finns i B (men B kan även ha fler parametrar).
Modell B kommer att ha lägre grad av missanpassning (innebär lägre värde på -2LL) eftersom att för varje tillägg av parameter sjunker värdet på -2LL.
Beskriv hur man kan välja (datastyrt) mellan två modeller där den ena är nestad i den andra. (2p)
Man kollar om skillnaden i anpassning är signifikant mellan modellerna genom et Chi2-värde. Är värdet inte signifikant bättre spelar val av modell ingen större roll.
TENTAFRÅGA:
Varför lämpar sig MLM bra för analyser av upprepade mätningar (t.ex. jämfört med en repeated measures ANOVA)? (2p)
Eftesom att repeated measures ANOVA ej tar hänsyn till att tidpunkterna för mätningar kan variera mellan individer.
Hur omorganiseras data i SPSS om man skall analysera upprepade mätningar med MLM?
Data organiseras vertikalt med lika många rader som antal mättillfällen.