बहुस्तरीय मानक बनाम बहुस्तरीय मॉडलिंग?


18

मैंने कई पुस्तकों (राउडेनबश एंड ब्रिक, स्नीजर्स एंड बोस्कर, जेलमैन एंड हिल, आदि) और कई लेखों (जेलमैन, जुस्को, प्रिमो और जैकबस्मीयर, आदि) के माध्यम से स्किम्ड किया है, और मैंने अभी भी वास्तव में अपना सिर नहीं लपेटा है क्लस्टर किए गए मानक त्रुटियों का उपयोग करने के बीच प्रमुख अंतर बहुस्तरीय मॉडलिंग को पार करता है।

मैं उन हिस्सों को समझता हूं जिनके हाथ में अनुसंधान प्रश्न हैं; कुछ प्रकार के उत्तर हैं जो आप केवल बहुस्तरीय मॉडलिंग से प्राप्त कर सकते हैं। हालांकि, उदाहरण के लिए, दो-स्तरीय मॉडल के लिए जहां आपकी रुचि के गुणांक केवल दूसरे स्तर पर हैं, एक विधि को दूसरे पर करने से क्या फायदा है? इस मामले में, मैं पूर्वानुमान बनाने या समूहों के लिए अलग-अलग गुणांक निकालने के बारे में चिंतित नहीं हूं।

मुख्य अंतर जो मैंने पाया है कि क्लस्टर मानक त्रुटि तब होती है जब क्लस्टर असमान नमूना आकार होते हैं और मल्टीलेवल मॉडलिंग कमजोर होती है क्योंकि यह यादृच्छिक गुणांक वितरण के विनिर्देश मानती है (जबकि क्लस्टर किए गए मानक त्रुटियों का उपयोग मॉडल-मुक्त है) ।

और अंत में, क्या इसका मतलब यह है कि उन मॉडलों के लिए जो या तो विधि का उपयोग कर सकते हैं, हमें गुणांक और मानक त्रुटियों के संदर्भ में समान परिणाम प्राप्त करने चाहिए?

किसी भी प्रतिक्रिया या सहायक संसाधनों की बहुत सराहना की जाएगी।


6
उपयोगकर्ता Stask के पास इस प्रश्न का सटीक उत्तर है ।
एंडी डब्ल्यू

धन्यवाद। मैंने इससे पहले पढ़ा था, जिसने वास्तव में मुझे वास्तविक लाभों के बारे में अधिक संदेह किया। हालांकि, मुझे लगता है कि मेरे सवाल के पीछे की असली प्रेरणा यह देखना है कि क्या मैं यह सोचकर वैध हूं कि यह अत्यधिक उपयोगी नहीं है अगर मैं केवल ब्याज के रूप में स्तर-दो गुणांक देख रहा हूं। इसके अलावा, शायद मैं इसे याद करता हूं, लेकिन मुझे नहीं लगता कि उस पोस्ट को संबोधित किया गया है कि क्या इन दोनों तरीकों से समान परिणाम उत्पन्न होने चाहिए (जब दोनों तरीकों की मान्यताओं को पूरा किया जाता है)।
रिकीबी

1
"दूसरे स्तर पर गुणांक" के साथ आपका मतलब उस स्तर से है जहां आप पहले चरण के मापदंडों पर निर्भर चर के रूप में हैं?
she

हां, मेरा यही मतलब है।
रिकीबी

जवाबों:


1

यह पोस्ट व्यक्तिगत अनुभवों पर आधारित है जो मेरे डेटा के लिए विशिष्ट हो सकते हैं, इसलिए मुझे यकीन नहीं है कि यह उत्तर के रूप में योग्य है।

मेरा सुझाव है कि यदि आपके डेटा के लिए कौन सी विधि सबसे अच्छी है, इसका आकलन करने के लिए सिमुलेशन का उपयोग करें। मैंने यह किया और पाया कि मल्टीलेवल मॉडलिंग के आधार पर परीक्षण (पहले स्तर में मापदंडों के बारे में) किसी भी अन्य विधि (शक्ति-वार) से बेहतर प्रदर्शन कर रहे थे, जबकि कुछ और असमान आकार वाले "समूहों" के साथ छोटे नमूनों में भी आकार बनाए रखना था। मुझे अभी तक एक पेपर नहीं मिला है जो उस बिंदु को बनाता है, और मैं इसे कैसे देखता हूं यह वास्तव में एक आला विषय नहीं है और अधिक ध्यान देने योग्य है। मुझे लगता है कि यह काफी कम शोध है कि विभिन्न तरीकों से विज़-ए-विज़ परिमित-नमूना या कुछ / असमान समूहों की तुलना कैसे की जाती है।


आपकी टिप्पणी के लिये धन्यवाद। क्या आपके पास कोई दस्तावेज़ है जहाँ आपने अपने परिणाम दर्ज किए हैं? मुझे इसे देखने और यह देखने में बहुत दिलचस्पी होगी कि आपको क्या मिला (और निश्चित रूप से, मैं आपके साथ चर्चा किए बिना इस पर उद्धृत, साझा या सुधार नहीं करूंगा)।
रिकीबी
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.