Begrepp i linjär regression du behöver veta innan Learning Multilevel Models

Det verkar väldigt många forskare att behöva lära sig flera nivåer och blandade modeller, och jag måste säga, det är inte så lätt på egen hand. Omdömen

I också gick till forskarskolan innan det lärdes ut i klasser - vi lärde blandade modeller som i delad tomt mönster, men saker och ting har utvecklats lite sedan dess. Så även jag har fått lära dem utan stöd av en klass, eller lärare. Så jag känner din smärta. Men jag har kämpat igenom och lärt mig mycket, även om jag hade fördelen av att se mycket, väldigt många exempel som jag har arbetat med kunder genom åren, och för att ha kunniga kollegor att fundera och lära sig med. Så om du läser Singer får dig att känna dum, du är inte ensam. Omdömen

Jag har också haft förmånen att ha riktigt bra träning i den allmänna linjära modellen. Detta kom inte bara från många klasser i forskarskolan, men återigen, från att se så många exempel på rådgivning, och att behöva förklara det så många gånger. (Undervisningen är när du lär dig bäst). Omdömen

Varför är detta viktigt? Eftersom multilevel modellerna är bara allmänna linjära modeller med extra källor till variation. Det är mycket svårare att lära multilevel modeller om du fortfarande osäker på några av de begrepp i linjär regression. Du vill fokusera på att räkna ut vad en slumpmässig sluttning egentligen innebär, inte en centrerad prediktor. Omdömen

Så här är 4 begrepp i linjär regression som du verkligen, verkligen bör få klart om innan du försöker läsa Singer artikeln . Det kommer inte att göra det lätt
, men det kommer att göra det lättare Omdömen.

1. Vad centre gör med dina variabler. Fångar är ganska viktiga i multilevel modeller, så centre krävs ofta för att göra avlyssningar meningsfull.

2. Arbeta med kategoriska och kontinuerliga prediktorer. Du kommer att vilja använda både dummy och effekt kodning i olika situationer. På samma sätt vill du kunna förstå vad det innebär att om du gör en variabel kontinuerlig eller kategoriska. Vilka olika information du får från det och vad betyder det? Även om du är en vanlig ANOVA användare, kan det vara meningsfullt att behandla tid som kontinuerlig, inte kategorisk. Omdömen

3. Interaktioner. Jag vet att du vet att du måste lämna i lägre ordningens termer för varje interaktion (eller hur?). Se till att du kan tolka interaktioner, oavsett hur många kategoriska och kontinuerliga variabler de innehåller. Och se till att du förstår Omdömen

4. Polynom villkor. Slumpmässiga sluttningar kan vara svårt nog att förstå (och fortsätt rakt från slumpmässigt fångar). Random krökning är värre. Vet dina Polynom. Omdömen

Och slutligen, förstå hur de alla hänger ihop. Dessa 4 koncept kommer verkligen ner för att förstå vad beräkningarna i modellen innebära. Hur man ska tolka dem. Och det kommer till stor del från praktiken, ställa frågor och lära om grunderna inom ramen för dina data Omdömen

Fördelen är att förstå dessa begrepp kommer BÖRA dig att lära någon avancerad modellering -. Icke-linjära modeller, logistisk regression .., Cox regression, och så vidare Omdömen