Concetti in Regressione lineare che c'è da sapere prima di imparare multilivello Modelle

Sembra molto molti ricercatori stanno bisogno di imparare modelli multilivello e misti, e devo dire, non è così facile da soli.

Anche io andai a scuola prima che fosse insegnato in Classes- -abbiamo fatto imparare modelli misti come nei disegni split plot, ma le cose sono progredite un po 'da allora. Così anche io ho dovuto imparare loro senza il beneficio di una classe, o un insegnante. Così mi sento il vostro dolore. Ma ho lottato attraverso e ho imparato molto, anche se ho avuto il vantaggio di vedere molto, molto molti esempi come ho lavorato con i clienti nel corso degli anni, e di dover colleghi competenti per riflettere e imparare con. Quindi, se la lettura Singer fa sentire stupido, non siete soli.

Ho anche avuto il vantaggio di avere davvero una buona formazione nel modello lineare generale. Questo è venuto non solo dalle numerose classi di scuola superiore, ma ancora una volta, di vedere tanti esempi nella consulenza, e di dover spiegare tante volte. (L'insegnamento è quando si impara meglio).

Perché è importante? Perché modelli multilivello sono solo modelli lineari generali con le fonti extra di variazione. E 'molto più difficile da imparare modelli multilivello se siete ancora incerti circa alcuni concetti di regressione lineare. Si vuole mettere a fuoco capire che cosa un pendio a caso significa realmente, non è un predittore centrato.

Quindi, qui ci sono 4 concetti in regressione lineare che davvero, davvero dovrebbe ottenere chiari su prima di tentare di leggere l'articolo Singer . Non sarà più facile
, ma renderà più più facile
.

1. Che cosa fa di centraggio per le variabili. Intercettazioni sono abbastanza importanti modelli multilivello, in modo da centrare è spesso richiesto di fare intercettazioni significativo.

2. Lavorare con predittori categoriali e continue. Si vuole usare la codifica sia manichino e l'effetto in situazioni diverse. Allo stesso modo, si vuole essere in grado di capire che cosa significa se si effettua una variabile continua o categoriali. Quali informazioni diverse a si ottiene da esso e che cosa significa? Anche se sei un utente normale ANOVA, può essere utile per il trattamento di tempo continuo, non categoriale.

3. Interazioni. So che lei sa che devi lasciare in termini di ordine inferiore per ogni interazione (giusto?). Assicurarsi la possibilità di interpretare le interazioni, indipendentemente dal numero di categorica e continuo le variabili che contengono. E assicurarsi di aver compreso

4. Termini polinomiale. Pendii casuali possono essere abbastanza difficile da afferrare (e proseguire dritto da intercettazioni casuali). Curvatura a caso è peggio. Conoscere i tuoi polinomi.

E, infine, capire il modo in cui tutti si incastrano. Questi 4 concetti davvero scendono a comprendere ciò che le stime nel modello significano. Come interpretarli. E che verrà in gran parte dalla pratica, fare domande, e riapprendere le nozioni di base nel contesto dei dati

Il vantaggio è che la comprensione di questi concetti vi behoove ad imparare qualsiasi modellazione avanzata -. Modelli non lineari, la regressione logistica .., la regressione di Cox, e così via Hotel