I modelli multilivello con incrociate effetti casuali

La maggior parte dei ricercatori sanno ormai da utilizzare Modelli misti quando le osservazioni sono raggruppati. Gli esempi includono studi in cui i pazienti condividono lo stesso medico, le piante crescono nello stesso campo, o risposte multiple si osservano dallo stesso partecipante allo studio. Le osservazioni a livello 1 (paziente, pianta, di risposta) sono raggruppati al livello 2 (medico, campo, o partecipante), che li rende generalmente correlato.

In questi modelli, il cluster di livello 2 non è spesso di interesse . Anche così, i suoi effetti devono essere controllati per. Se il ricercatore vorrebbe generalizzare i risultati a tutti i medici, campi, o partecipanti, queste variabili di raggruppamento sono effetti casuali.

Le osservazioni della variabile dipendente sono sempre valutati al livello 1 (il paziente, pianta, o punto di tempo). Variabili predittive (effetti fissi) possono essere misurate sia a livello 1 o 2. Ad esempio, il numero di anni di esperienza di un medico sarebbe al livello 2, ma l'età del paziente saranno valutati al livello 1. Le osservazioni entro cluster vengono assunti da correlare, ma le osservazioni tra i cluster sono assunti come indipendenti.

In un tipo di 2 modello base, non c'è un effetto casuale al livello 2, ma due effetti incrociati. Ogni osservazione a livello 1 è annidato nella combinazione di questi due effetti casuali. Questi modelli hanno bisogno di un'attenzione particolare al fine di cogliere entrambi gli effetti casuali a livello 2.

Questi sono gli stessi esempi con effetti casuali incrociate:

Esempio 1: Ogni paziente (Livello 1) vedono il loro medico (Effetto casuale al livello 2) in uno dei quattro ospedali (Effetto a caso al livello 2) per uno studio di confronto di un nuovo trattamento farmacologico per il diabete di uno vecchio. Ogni medico vede pazienti a ciascuno dei quattro ospedali. Risposte dei pazienti variano tra medici e ospedali. Poiché ogni paziente vede un unico medico in un unico ospedale, i pazienti sono annidati nella combinazione del medico e dell'ospedale. La risposta è misurato a livello 1 - il paziente. I predittori possono verificarsi al livello 1 (età, dieta) o uno di livello 2 effetto (anni di pratica di medico, formato di ospedale)

Esempio 2:. Uno studio agricola sta studiando le piante in 6 campi. Mentre ci sono molte specie di piante in ogni campo, il ricercatore sceglie in modo casuale 5 specie da studiare. Ogni singolo impianto (Livello 1) si trova all'interno di uno combinazione di specie e di campo. Ma dal momento che ogni specie è in ogni campo, Specie e Campo sono incrociate al livello 2. La risposta è misurato a livello 1 - l'impianto, e predittori può avvenire sia in livello 1 (altezza dello stabilimento) o sia effetto di livello 2 (fertilizzanti applicato al campo, se la specie è originaria o introdotto)

Esempio 3:. In un esperimento psicologico, i soggetti sono invitati a votare le dichiarazioni che descrivono i comportamenti effettuate da una persona immaginaria, Bob. In ogni prova, i soggetti valutano se Bob è stato cordiale e il tempo di risposta del rating viene registrato. Ogni soggetto vede gli stessi 10 amichevole e 10 comportamenti ostili. I comportamenti non sono di per sé di interesse per lo sperimentatore, ma sono rappresentativi di tutti i comportamenti amichevoli ed ostili che Bob potesse svolgere. Poiché risposte al stesso comportamento tendono ad essere simili, è necessario controllare i loro effetti. Ogni prova dell'esperimento (Livello 1) è nidificato all'interno Soggetto e comportamento, che sono entrambi effetti casuali a livello 2. Soggetto e il comportamento sono incrociate al livello 2 da ogni soggetto tassi di ogni comportamento. La risposta è misurato a livello 1 - il processo, e predittori può avvenire sia in livello 1 (un distrattore si verifica in alcune prove) o Ei ther Livello effetto 2 (comportamento è amichevole o no, oggetto viene messo in positivo, neutro o umore negativo).

Per fortuna, specificando un modello a effetti casuali attraversato può essere fatto facilmente nelle procedure di modellazione miste standard, come SAS Proc Misto o SPSS Misto. Dovrebbe essere fatto con cura, però, perché come la maggior parte modelli misti, specificando correttamente un modello a effetti casuali Crossed può essere ingannevole Hotel  .;