En qué tipo de estudio empleas estos modelos?
qué te permiten estudiar estos modelos?
Qué Modellparameter observas aquí?
Con estos modelos puedo comparar los cambios de las personas entre ellas a parte de cambios en ellas mismas a través del tiempo. Entonces el TIEMPO también es un predictor SIEMPRE. O sea no únicamente los tiempos de recogida de datos 1,2 3… Sino una variable aleatoria PER SE. ES UN PREDICTOR (UV) DE NIVEL 1. Es un caso especial de los langschnittstudien :) uy pues claro puesto que lo puedo modelar y controlar su efecto! O sea que lo puedo predecir con cierta certeza. L2 estudia entonces las variaciones o diferencias INTERPERSONALES o entre personas a través del tiempo.
También podemos aclarar las diferencias entre personas o algún factor que lo que estudias tiene en tu AV.
1 = individuo. 2 = PAREJA. O dos Pacientes diferentes. :)
—> para que te acuerdes de qué nivel es cada cual. JAJA
—> por ejemplo qué efectos tiene una conducta terapéutica en Paciente i a través del tiempo? y en el paciente x? …k?
Qué diferencias hay entre ellos? Qué tuvo un efecto? sobre estas diferencias? A través del tiempo. Ejemplos: trainings, terapias, enfermedades.
En el L1 tenemos una Slope: within-person CHANGES über die Zeit (cómo ha cambiado una persona a través del tiempo, o sea Slope L1, que puede o se espera que varíe de cierta manera incluso jeje). Entonces tiene una cierta inclinacion (qué tan fuerte es la relación (inclinación de la regresión linear.
En el L2 tenemos otra Slope: between-persons CHANGES über die Zeit. Un exito de terapia entre personas por ejemplo, y también dejamos que varíen los efectos de las personas en sí mismas entonces, que es el grupo Intra-personal, entonces Random Effects también para las Slopes L2.
„estimate between-person differences in within-person change“
—> random slopes; wie viel Variabilität ist in den slopes? ****(beta1j) =𝛄10 + 𝛄11⋅Zeitj + rij?******
„explain between-person differences in within-person change“
—> slopes-as-outcomes; kann man die Variabilität in den slopes durch einen L2-Prädiktor erklären? es el mismo CWC Ansatz?
O sea, primero me estudio las diferencias de un individuo entre tiempos de recogida de datos, y después comparo estas diferencias entre personas.
Estimamos y explicamos: Explicar: Efecto SISTEMÁTICO de un Predictor. y su respectiva Fehlervariable inherente al azar.
Da un ejemplo de pregunta que este modelo puede responder
Formula la hipótesis 1 y 2
Qué variables tienes?
En el Ebene de Gruppierungsstruktur son 20 Personas que PRACTICAN DEPORTE (Sportler N = 20). Von denen 10 Profis sind (profis n = 10) und 10 eben nicht (Amateurs n = 10). —> Hier aufpassen. Die gruppen sind ausgeglichen. Frage wieso. rule? Homoskedastizität? Permanenz?
Estamos estudiando el desempeño en deportes de 20 personas.
Hipotetizamos que:
H1: Para ambos (profis y amateurs) existe una mejoria en el desempeño a través del tiempo (efecto de práctica).
H2: El crecimiento en el desempeño es mayor para los profis que para los Amateurs.
Variables:
Profi (Dummy kodiert): 0 = KEIN Profi (das Heißt 0 = Amateur n=10)
1 = PROFI ( Interessegruppe profi n=10)
Time.0 (Hierarchial Strukturiert):
0 = 1 day of Erhebung or T0 = Baseline,
which is first medition, so 1 = T2 of Medition
and so on…. and 13 = 14 Erhebung = T14
—> Osea la duración total de tu esdudio.
Leistung: (Struktur pro Tag pro Person)
Profi:Time.0 creo
Mathematische Gleichung.
R Befehl
Interpretationen der Parameter
Se centró al t1.
𝛄00 Y 𝛄10 son respectivametne el intercept e inclinación de un AMATEUR (Profi = 0).
Con ello podemos estudiar qué diferencias a nivel interpersonal (2) hay entre ser Profi comparado a ser Amateur.
Interpretiere diesen Output
Wie lautet die Gleichung?
Interpretiere dieses Outputs.
Personen sind
Profi = 0 Amateur
Profi = 1 Profi
Gleichung L1
Gleichung L2
Gleichung L3
Explica los parámetros
ojo con los fehlers aquí. L1= e, L2 = r, L3 =u CUANDO USAN π.
cuando usan la otra nomenclatura, los fehler al L1 = r, L2 = u y L3 = ???
cómo sabes si un intercept puede variar o no?
Cómo sabes si una Slope puede variar o no?
Cual es el intercept entre personas y entre escuelas?
Explica
Qué te puede decir el predictor YEARtij? y la Variable etij?
Que te puede decir el predictor GENDERij en cada una de las ecuaciones? y cómo predices el intercept y slope de las personas?
Que te puede decir el Predictor HISP.SCHj en cada una de las ecuaciones y y cómo predices el intercept y slope de las escuelas?
Cada predictor te dice algo diferente dependiendo si esta en el intercepto o para la slope. Recuerda también donde esta centrado cada intercepto (que en base siempre se refiere a todos los predictores = 0). Porque dependiendo en dónde centraste tu 0, es como lo vas a interpretar.
Qué ves aquí?
Aquí puedes ver sobre todo que no hay el mismo número de datos en todas las escuelas, ni el mismo numero de alumnos, ni de porcentaje de hispanos
Cuanto es el valor e interpretación de:
etij =
r0ij =
r1ij =
u00j =
u10j =
etij = 22.54
r0ij = 37.89
r1ij = 5.88
u00j = 9.93
u10j = 0.92
YEARrij =
GENDERij en π0ij =
GENDERij en π1ij =
HISP.SCHj en β00j =
HISP.SCHj en β10j =
YEARrij = 14.32
GENDERij en π0ij = -2.12
GENDERij en π1ij = 1.64
HISP.SCHj en β00j = -52.14
HISP.SCHj en β10j = -4.80
Interpreta este output
Welche Freiheitsgrade gibt es beim Aufstellen der Modelle und wie sind diese zu beantworten?
Durch welchen Test vergleiche ich die Modelle und welche sind die Voraussetzungen?
Was bedeutet, wenn der Test signifikant ist?
R-Befehl für den Test?
Wieviele parameter extra hat das complexere Modell?
Welches ist zu bevorzugen?
>anova( l1,l2, model.names=c(“simple”,”complex”))
Welches α-Niveau sollte man auswählen und wieso?
In fact, when comparing two nested models,
the ___ with α___ ≈ __ is equivalent to the ___.
𝞪 = .2
In fact, when comparing two nested models, the LRT
with αLRT ≈ 0.157 is equivalent to the AIC.“
Welche random effects sollte man ins Modell aufnehmen?
Ansatz 1: „Keep it maximal“
Worin besteht diesen Ansatz und welche ist seiner Logik?
Welche random effects sollte man ins Modell aufnehmen?Modellvergleiche
Ansatz 2: „Parsimonious Mixed Models“
Ziel
Worin besteht diesen Ansatz (Methode) und welche ist seiner Logik?
R-Befehl
Was bedeuten diese Ergebnisse?
Was bedeutet single fit?
R-Befehl für die erste Reduktion
Was bedeuter singular fit?
Wie ist das einfachere Modell im Vergleich zum Komplexeren?
R Befehl des Modellsvergleichs und Interpretation der Ergebnisse
Klassisches R² Frage
Gleichung
Was kann ein CWC(M)-zentrierter L1 Prediktor erklären?
Was kann ein L2 Prediktor aus einer CWC(M)-Zentrierung erklären?
In LMMs lassen sich Varianzanteile im outcome verschiedenen Kategorien zuordnen. Annahme:
f1:
f2:
m:
v:
t:
w:
b:
Welche sources of Variance kann man with TOTAL, WITHIN AND BETWEEN-Variances erklären?
Wie heißt der R Package?
Interpretiere diese Ergebnisse
Wieviel der (welcher) Varianz klärt der SES.gc (L1-Prädiktor)?
Wieviel der (welcher) Varianz klärt der SES.gmc (L2-Prädiktor)?
Wieviel der (welcher) Varianz klären die fixed effects von allen Prädiktoren?
Wie hieß früher R² und was erklärt er?
Erkläre diese Grafik
Zuletzt geändertvor 22 Tagen
