Processing math: 100%
+ - 0:00:00
Notes for current slide
Notes for next slide

Modelos multinivel

Unidades en contexto


Juan Carlos Castillo

Sociología FACSO - UChile

2do Sem 2023

multinivel-facso.netlify.com

Sesión 4:

Correlación intra clase y estimación MLM

1 / 38

- Lectura: Finch cap. 3: Fitting Two-Level Models in R


- Práctico

2 / 38

Contenidos

1- Resumen sesión anterior

2- Modelos y pasos

3- Correlación intra-clase

4- Estimación en R

3 / 38

Residuos y dependencia contextual

4 / 38

Residuos y dependencia contextual

5 / 38

Residuos y dependencia contextual

6 / 38

Modelo con coeficientes aleatorios (RCM)

  • Random Coefficients Models (RCM) o Mixed (effects) Models

  • Forma de estimación de modelos multinivel

  • Idea base: se agrega un parámetro aleatorio μj al modelo, es decir, que posee variación en relación a unidades de nivel 2.

7 / 38

Comparación Modelos

  • Modelo con datos individuales
reg<- lm(mathach~ses+female+sector, data=mlm)
  • Modelo con datos agregados
reg_agg<- lm(mathach~ses+female+sector, data=agg_mlm)
8 / 38

Comparación Modelos

pacman::p_load(sjPlot,sjmisc,sjlabelled)
tab_model(reg, reg_agg, show.ci=F, show.se = T, dv.labels = c("Individual", "Agregado"))
  Individual Agregado
Predictors Estimates std. Error p Estimates std. Error p
(Intercept) 12.52 0.13 <0.001 13.13 0.35 <0.001
ses 2.88 0.10 <0.001 5.19 0.37 <0.001
female -1.40 0.15 <0.001 -1.97 0.56 0.001
sector 1.96 0.15 <0.001 1.25 0.31 <0.001
Observations 7185 160
R2 / R2 adjusted 0.160 / 0.159 0.675 / 0.668
9 / 38

Implicancias estimación individual/agregada

  • diferencias entre los coeficientes: riesgo de falacia ecológica / individualista

    • inflación de errores estándar para variables nivel 1 estimadas como agregadas, ej: female agregado (riesgo error tipo II)

    • contracción de errores estándar para variables nivel 2 estimadas como individuales, ej: sector individual (error tipo I)

10 / 38

Alternativa:

Modelo que ajuste errores estándar según el tipo de variable nivel 1 y nivel 2

= MULTINIVEL

11 / 38

Contenidos

1- Resumen sesión anterior

2- Modelos y pasos

3- Correlación intra-clase

4- Estimación en R

12 / 38

Pasos (usuales) en la estimación del modelo

0 Modelo nulo

  1. Modelo con variables individuales

  2. Modelo con variables contextuales

  3. Modelo con variables individuales y contextuales

  4. Modelo con pendiente (individual) aleatoria

  5. Modelo con variables individuales, contextuales e interacción entre niveles (cross-level interaction)

13 / 38

0.Modelo nulo

14 / 38

1.Modelo con variable independiente individual

15 / 38

2.Modelo con variable independiente grupal

16 / 38

3.Modelo con variable independiente individual y grupal

17 / 38

4.Modelo con pendiente aleatoria

18 / 38

4.Modelo con pendiente aleatoria

image

19 / 38

5.Modelo con interacción entre niveles

20 / 38

5.Modelo con interacción entre niveles

"La relación entre X e Y varía entre contextos, y esta variación se asocia a una característica del contexto"

  • Ej: la influencia del nivel socioeconómico en rendimiento en lenguaje es moderada por la presencia de bibliotecas en las escuelas
21 / 38

Contenidos

1- Resumen sesión anterior

2- Modelos y pasos

3- Correlación intra-clase

4- Estimación en R

22 / 38

¿Qué problema puede haber al estimar un mismo modelo para variables individuales y agregadas?

23 / 38

Parámetros

24 / 38

Descomposición de la varianza

Idea base de modelos multinivel: la varianza de la variable dependiente se puede descomponer en distintos niveles:

  • varianza Nivel 1: dentro o "within", en relación al promedio individual

  • varianza Nivel 2: entre o "between", en relación al promedio de los grupos

  • varianza Nivel j ...

25 / 38

Descomposición de la varianza

vartot=vardentro+varentre

26 / 38

Varianzas y predictores

27 / 38

Componentes de la varianza

  • Los efectos aleatorios asumen una varianza (estimada) en base a una distribución normal

  • Permiten calcular la correlación intra-clase y distintas medidas de ajuste de los modelos

28 / 38

Componentes de la varianza

  • var rij=σ2 (varianza residuos nivel individual)

  • var μ0j=τ00=τ20 (varianza asociada a intercepto aleatorio)

  • var μ1j=τ11=τ21 (varianza asociada a pendiente aleatoria)

  • cov(τ00,τ11)=τ01 (covarianza entre intercepto y pendiente)

29 / 38

Componentes de la varianza

30 / 38

Componentes de la varianza

31 / 38

Correlación intra clase: ICC

  • La correlación intra-clase ( ρ ) indica qué porcentaje de la varianza de la variable dependiente se debe a pertenencia a unidades de nivel 2

  • Descomposición de la varianza en modelo nulo= Var y=τ00+σ2

  • Es decir, parte de la varianza se debe a los individuos ( σ2 ) y parte al grupo ( τ00 )

32 / 38

Correlación intra clase: ICC

  • Correlación intra-clase = ICC =

ρ=τ00τ00+σ2

  • Una ICC baja indica baja variabilidad de la variable dependiente entre unidades de nivel 2, y por lo tanto, menores posibilidades de dar cuenta (explicar) de esa varianza con predictores de nivel 2.
33 / 38

Correlación intra-clase

"Proporción de la varianza de la variable dependiente que se asocia a la pertenencia a unidades de nivel 2"

34 / 38

Contenidos

1- Resumen sesión anterior

2- Modelos y pasos

3- Correlación intra-clase

4- Estimación en R

35 / 38

librería lme4

  • función lmer (linear mixed effects)

  • forma general:

    • objeto <- lmer (depvar ~ predictor_1 + predictor_2 + predictor_n + (1 | cluster), data=data)

    • el objeto contiene la información de la estimación; para ver un resumen, summary(objeto), y de manera más presentable,screenreg(objeto)

36 / 38

Ejemplo Estimación en R

-> Práctica

37 / 38

Modelos multinivel

Unidades en contexto


Juan Carlos Castillo

Sociología FACSO - UChile

2do Sem 2023

multinivel-facso.netlify.com

38 / 38

- Lectura: Finch cap. 3: Fitting Two-Level Models in R


- Práctico

2 / 38
Paused

Help

Keyboard shortcuts

, , Pg Up, k Go to previous slide
, , Pg Dn, Space, j Go to next slide
Home Go to first slide
End Go to last slide
Number + Return Go to specific slide
b / m / f Toggle blackout / mirrored / fullscreen mode
c Clone slideshow
p Toggle presenter mode
t Restart the presentation timer
?, h Toggle this help
sToggle scribble toolbox
Esc Back to slideshow