Was sind die Vor- und Nachteile der Ausführung separater Modelle gegenüber der Mehrebenenmodellierung?
Nehmen wir insbesondere an, eine Studie untersuchte Patienten, die in Arztpraxen verschachtelt sind, die in Ländern verschachtelt sind. Was sind die Vor- und Nachteile der Ausführung separater Modelle für jedes Land im Vergleich zu einem verschachtelten Modell mit drei Ebenen?
multilevel-analysis
stratification
Peter Flom - Monica wieder einsetzen
quelle
quelle
Antworten:
Die Frage ist veraltet, aber ich denke, es ist sehr wichtig. Die beste Antwort, die ich bekommen kann, stammt aus dem Buch "Multilevel Analysis Techniques and Applications, Second Edition" von Joop J Hox (2010).
Angenommen, hierarchische Daten auf zwei Ebenen mitp erklärende Variablen auf der untersten Ebene und q erklärende Variablen auf höchster Ebene. Dann schreibt er auf Seite 55:
Das ist für die Beschreibung. Jetzt beantworten die Seiten 29-30 Ihre Frage genauer.
Ich hoffe es ist befriedigend.
quelle
Die Angabe eines zufälligen Effekts beinhaltet die Annahme, dass die Mittelwerte dieser Ebenen Stichproben aus einer Normalverteilung sind. Es ist besser, sie als feste Effekte anzugeben, AKA-Dummy-Variablen, wenn diese Annahme nicht zu Ihren Daten passt. Auf diese Weise steuern Sie die gruppenweise Heterogenität im Mittelwert (auf dieser Ebene), berücksichtigen jedoch NICHT die Heterogenität der Antworten auf Ihre Variablen auf niedrigerer Ebene.
Wenn Sie eine Heterogenität als Reaktion auf Ihre erklärenden Variablen auf niedrigerer Ebene erwarten, sind separate Modelle sinnvoll, es sei denn, Sie möchten eine Art Zufallskoeffizientenmodell ausführen (was wiederum die Annahme beinhaltet, dass die Koeffizienten normalverteilt sind).
(Ich glaube, es gibt Methoden für nicht normale zufällige Effekte, aber nichts ist so weit verbreitet oder zugänglich wie ich)
quelle
Vorteil: Die Fähigkeit, explizit auf Unterschiede in Parametern nach Cluster zu testen (dh Unterschiede in der Signifikanz bedeuten keine signifikanten Unterschiede).
quelle