Post on 05-Aug-2018
Taller Análisis de Datos Multinivel (2da parte)
Sergio R. Muñoz, Ph.D. CIGES & Departamento Salud Publica
Facultad de Medicina Universidad de La Frontera
munozs@ufro.cl 12-25 de Mayo, 2012
Software
• SAS: – proc mixed (modelos de efectos aleatorios)
– Macros: GLMMIX y NLINMIX para ajuste de modelos con variable de respuesta discreta
• SPSS: – comando varcomp (solo modelo de intercepto
aleatorio)
– Version 11 modulo de Modelos avanzados • Modelo de efectos aleatorios
• Modelos multinivel
Software (2)
• BMDP:
– Modulo 3V y otros permiten el ajuste de algunos casos particulares de modelos multinivel
• Stata:
– La serie de comandos xt permiten ajustar modelos multinivel cuando los sujetos son seguidos en el tiempo
– Archivo ado: gllamm permite el ajuste de modelos enmarcados dentro de los llamados Modelos mixtos y lineales de variables latentes. Ver STB-53
Software (3)
• Especializados: – PinT: Diseños de dos niveles. Puede ser bajado
desde http://stat.gamma.rug.nl/snijders/multilevel.htm
– Mplus: modelos para estructura de covarianzas
– BUGS: para modelos bayesianos usando metodo de Gibbs
– MLA: Estima coeficientes para modelos de dos niveles usando metodos de remuestreo
Software (4)
• MLwiN – Producido por “Multilevel Models Project” del
Instituto de Educacion de la Universidad de Londres
– Version 2.20 de Junio de 2010 • Modelo de dos niveles variable continua
• Modelo para respuesta binaria
• Modelo para variable discreta
• Respuesta multivariada
• Modelos de cadenas de Markov
• Otros
• school
• student
• normexam
• Cons
• standlrt
• girl
• schgen
• Identificador
• Identificador
• Puntaje examen a los 16 años
• 1
• Puntaje examen a los 11 años
• 0=hombre; 1=mujer
• Tipo de escuela: 1=mixta; 2=hombres; 3=mujeres
MODELO PARA LA COMPARACIÓN DE MAS DE 2 PROMEDIOS: MODELO DE EFECTOS FIJOS
Puntaje promedio entre las escuelas
65 escuelas
• Objetivo: Comparar puntaje promedio entre las 65 escuelas
• Modelo de efectos fijos
• Uso de variables “dummies”
• 65 escuelas => 64 variables dummies (se elige una como base para la comparacion)
iiiii exxxY 646422110 .......
Recordatorio
2
ijijijj1ojij ,0N~X*Y
Modelo con 1 predictor a nivel individual y 1 predictor a nivel grupal
1era Etapa:
Respuesta individuo i
en grupo j
Var explicatoria nivel
individual en individuo i
en grupo j
Independientes
dentro de cada grupo
2da Etapa: Coef de regresión especifico para cada grupo es modelado
Como una función de la variable de nivel grupal
10j1j0
11j1j1j1110j1
00j0j0j0100j0
,Cov
,0N~Z*
,0N~Z*
Var explicatoria nivel grupal
Interpretación
• Media global de normexam=β0=-0.013
• El promedio de las diferentes escuelas se distribuyen alrededor de la media global con una varianza estimada de 0.169
• La varianza entre escuelas es estimada por σ2
u=0.169
• La varianza entre estudiantes dentro de una escuela es estimada por σ2
e=0.848
Pruebas de Hipótesis • H0: σ2
u=0 [equivale a no diferencia de promedios entre escuelas]
• Z=0.169/0.032=5.3 => p<0.001 (Wald test)
• Prueba de razón de verosimilitud:
– {-2LKH(modelo nulo)} - {-2LKH(modelo actual)}
– Chi2 1 gl
– 11509.36 – 11010.65=498.71
• Conclusión: Hay variación estadísticamente significativa entre escuelas
• Que porcentaje de variación es debida a la diferencia entre escuelas? – Coef de partición de varianza=0.169/(0.169+0.848)=0.166
MODELO MAS COMPLEJO: INTERCEPTOS Y PENDIENTES ALEATORIAS
La diferencia de puntajes entre escuelas se mantiene al ajustar por puntaje de ingreso?
•Cada escuela tiene su propio intercepto, β0j, pero todas tienen la misma pendiente •Se ajusta una serie de lineas paralelas •Se ajusta a la realidad?
Taller Análisis de Datos Multinivel
Sergio R. Muñoz, Ph.D. CIGES & Departamento Salud Publica
Facultad de Medicina Universidad de La Frontera
munozs@ufro.cl 12-25 de Mayo, 2012