Multilevel modeller med korsade Random Effects

De flesta forskare vet vid det här laget att använda Blandade modeller när observationerna grupperas. Som exempel kan nämnas studier där patienter har samma läkare, växterna växer i samma område, eller flera svar observeras från samma studie deltagare. Observationerna på nivå 1 (patienten, växt, svar) är grupperade på nivå 2 (läkare, fält, eller deltagare), i allmänhet gör dem korrelerade. Omdömen

I dessa modeller är nivå 2 kluster ofta inte av intresse . Trots detta, dess effekter måste kontrolleras för. Om forskaren vill generalisera resultaten till alla läkare, fält, eller deltagare, är dessa kluster variabler är slumpmässiga effekter. Omdömen

De observationer av den beroende variabeln är alltid mäts på nivå 1 (patienten, växt, eller tidpunkt). Prediktorvariabler (fasta effekter) kan mätas antingen nivå 1 eller nivå 2. Till exempel skulle antal års erfarenhet av en läkare vara på nivå 2, men patientens ålder skulle mätas på nivå 1. Observationerna inom kluster antas att vara korrelerade, men observationerna mellan kluster antas vara oberoende. Omdömen

I en typ av 2-nivå modell, det finns inte en slumpmässig effekt på nivå två, men två korsade effekter. Varje observation på nivå 1 är kapslad i en kombination av dessa två slumpmässiga effekter. Dessa modeller måste särskild hänsyn för att fånga både slumpmässiga effekter på nivå 2. Omdömen

Här är samma exempel med korsade slumpmässiga effekter:

Exempel 1: Varje patient (Nivå 1) ser sin läkare (Random Effekt på nivå 2) vid en av fyra sjukhus (Random Effekt på nivå 2) för en studie som jämförde en ny drogbehandling för diabetes till en gammal en. Varje läkare ser patienter vid vart och ett av de fyra sjukhusen. Patient svar varierar mellan läkare och sjukhus. Eftersom varje patient ser en enda läkare på en enda sjukhus, patienter kapslade i kombinationen av läkare och sjukhus. Svaret mäts på nivå 1 - patienten. Prediktorer kan uppstå på nivå 1 (ålder, diet) eller någon nivå 2 effekt (år av praxis från läkare, storlek på sjukhus) katalog

Exempel 2:. En jordbruks studie studerar växter på 6 områden. Även om det finns många arter av växter i varje fält, forskaren slumpmässigt väljer 5 arter att studera. Varje enskild anläggning (Nivå 1) ligger inom en kombination av arter och fält. Men eftersom alla arter är på alla områden, Art and Field korsas på nivå 2. Svaret mäts på nivå 1 - anläggningen, och prediktorer kan ske antingen nivå 1 (höjd växt) eller någon nivå 2 effekt (gödselmedel tillämpas på fältet, oavsett arten är infödd eller införda) katalog

Exempel 3:. I ett psykologiskt experiment, är ämnen uppmanas att betygsätta uttalanden som beskriver beteenden görs av en fiktiv person, Bob. På varje försök, försöks betygsätta huruvida Bob var vänliga och svarstiden för kreditbetyget registreras. Varje individ ser samma 10 vänliga och 10 ovänliga beteenden. De beteenden är inte i sig är av intresse för försöksledaren, men är representativa för alla vänliga och ovänliga beteenden som Bob kunde utföra. Eftersom svaren på samma beteende tenderar att vara lika, är det nödvändigt att kontrollera för deras effekter. Varje försök av experimentet (Nivå 1) är kapslad både inom Ämne och beteende, vilket är både slumpmässiga effekter på nivå 2. Med förbehåll och beteende korsas på nivå 2 eftersom varje ämne priser varje beteende. Svaret mäts på nivå 1 - rättegången, och prediktorer kan ske antingen nivå 1 (en distraktor sker på några försök) eller EI fins Nivå 2 effekt (Beteende är vänlig eller inte, Ämne sätts till positiv, neutral, eller negativ stämning). Omdömen

Lyckligtvis ange en överkryssad slumpmässiga effekter modell kan enkelt göras i standard blandade modelleringsprocedurer, såsom SAS Proc Mixed eller SPSS Mixed. Det bör göras med försiktighet, men eftersom som de flesta blandade modeller, ange en korsade Random Effects modell korrekt kan vara knepigt Omdömen  ..