Documente Academic
Documente Profesional
Documente Cultură
=
Hemos visto que los interceptos y pendientes varan de centro a centro. la
recuperacin no es la misma en los centros, que la relacin entre las puntuaciones
basales y la recuperacin no es la misma en todos los centros bsicamente
observamos los interceptos por centros, las pendientes por centro y la relacin
intercepto pendientes por centro
Justamente un modelo multinivel lo que busca es relacionar precisamente los niveles
del diseo.. Encontramos que la variabilidad intercentros en recuperacin en un 70%
era explicada por la edad media de los centros (valores aleatorios de intercepto)....
Ahora nos faltara ver qu hace que las pendientes sean distintas entre centros qu
variable justifica la variabilidad de las pendientes observadas en este ltimo anlisis
.. para ello incluimos una variable que se llama sector (centro pblico o privado).. En
este caso incluimos una variable de 2 nivel como aleatoria.
00 01 ij ij ij
Y b b x = + +
a nivel 1..
0 00 01 02 0
1 10 11 12 1
j j j j
j j j j
b b z b w
b b z b w
| u
| u
= + + +
= + + +
a nivel 2 sera..
00 01 02 10 11 12
0 1
( )
ij j j ij ij j ij j
j j ij ij
Y b b z b w b x b x z b x w
x e u u
= + + + + +
+ + +
El modelo multinivel , o mixto de efectos fijos y aleatorios completamente
especificado sera
El modelo que interpreta las intersecciones y las pendientes como resultados es
00 01 02 10
11 12
0 1
( ) (sec ) ( )
( ) ( ) ( ) (sec )
( ( ) )
ij j j ij
ij j ij j
j j ij ij
Y b b cedad b tor b cbasal
b cbasal cedad b cbasal tor
cbasal e u u
= + + +
+ +
+ + +
Si incluimos las etiquetas de las variables en la ecuacin se ve ms claro
(espero!!)..
Interaccin 1: cbasal y cedad.
Se ve afectada la relacin
entre recuperacin y nivel
basal cuando cambia la edad
media del centro?
Interaccin 2: cbasal y
sector. Se ve afectada la
relacin entre recuperacin
y nivel basal cuando cambia
el tipo de centro?
Efectos principales cedad (N1), sector(N2) y cbasal(N1)
La recuperacin media poblacional sigue siendo la misma 9,91. Ahora controlando el tipo de centro(sector)
encontramos que la variable edad media del centro afecta al nivel de recuperacin en sentido negativopor cada
ao que aumenta disminuye la recuperacin en 0,25. Por otro lado controlando el efecto de la edad (cedad) no
parece que el tipo de centro afecte a la recuperacin (-1,20) las puntuaciones basales muestran que por cada
incremento de la puntuacin basal la recuperacin se incrementa en 0,58. La interaccin cedad*cbasal nos dice
que los cambios en edad no alteran las relaciones entre cbasal y recuperacin, las pendientes son muy parecidas
en los grficos de la siguiente transparencia. La interaccin sector*cbasal muestra que el tipo de centro se
relaciona negativamente con las pendientes. En los centros pblicos (valor cero en la dummy) es mayor que en los
centros privados
N
i
v
e
l
d
e
R
e
c
u
p
e
r
a
c
i
n
cedad
En los efectos aleatorios la varianza de los residuos es 12,73 muy parecido a la
anterior de modelo de coeficientes aleatorios. La varianza de las medias o
intersecciones es 3,45 (en el modelo anterior fue 6,03) .. La incorporacin de cedad y
sector y una vez contrado el efecto de la puntuacin basal, estas variables explican el
42,7% de la varianza entre las medias de los centros. Igual que en el modelo anterior
parece que las medias o intersecciones no estn relacionadas con las pendientes
(NE21).. Finalmente ahora las pendientes han dejado de ser distintas de cero
significativamente es decir una vez controlado el efecto de cedad y sector,
desaparecen las diferencias entres las pendientes de los distintos centros
Como conclusin y atendiendo al ndice -2LL AIC no parece que este modelo mejore
significativamente al modelo que no incluye pendientes aleatorias. Por tanto nos
quedaramos con dicho modelo dado que es ms parsimonioso..
Hasta ahora hemos visto un acercamiento al anlisis mixto o multinivel en el que
asumiendo la jerarqua de los datos comenzamos estimando un modelo nulo para
acabar por definir el modelo completamente aleatorizado en interceptos y pendientes
con trminos de interaccin entre niveles (Raudenbush y Bryk; 2002)
Sin embargo tal y como plantea Field (2010) quizs sea ms ilustrativo comenzar
pensando en que un anlisis multinivel no es ms que una extensin del MLG , en
realidad lo nico que cambia es que la estimacin de los parmetros de la recta no se
lleva a cabo por OLS sino por ML o MLRVeamos esta otra manera de acercarnos a
los modelos multinivel..
Veamos un ejemplo. (Field 2010). Se pretende modelar el efecto que la ciruga esttica
tiene sobre la calidad de vida del paciente medida despus de la intervencin (Field,
2010)
MixedTipo ANOVA
Hasta ahora hemos ignorado la estructura jerrquica de nuestros datos. Y por tanto
estamos violando un supuesto y es que las observaciones no son independientes entre
s. Por tanto asumamos esta violacin y analicemos los datos jerrquicamente.
Empezamos asumiendo interceptos aleatorios, es decir que hay una variable que agrupa
los datos. Esta variable es clinic una variable que est en el 2nivel
0 1 2 ij j ij ij ij
QoL b b Surgery b QoLbefore e = + + +
MixedTipo ANCOVA
Cunto vara la calidad de vida
dentro de cada clnica.. Variabilidad
intragrupos o error
Cunto vara la calidad de vida
entre las clnicas.. Variabilidad
intergrupos
9, 23
9, 23 42, 49
ICC = =17
+
Evaluacin de la bondad del modelo a travs de -2LL
AIC. Comparando con los anteriores ganamos en
explicacin contraste ji-cuadrado con gl = 1
el nivel de calidad de
vida no es el mismo
atendiendo a la clnica
Ahora generamos un modelo donde aadimos una pendiente aleatoriaque es la
covariable surgery manteniendo la variable clinic como aleatoria de 2nivel.. El modelo
queda especificado en la siguiente ecuacin.
0 1 2 ij j j ij ij ij
QoL b b Surgery b QoLbefore e = + + +
Evaluacin de la bondad del modelo a travs de -2LL
AIC. Comparando con los anteriores ganamos en
explicacin contraste ji-cuadrado con gl = 1
int
33,18
33,18 35, 00
29, 63
29, 63 35, 00
erceptos
pendientes
ICC
ICC
= = 50
+
= = 45
+
La variabilidad entre las pendientes
La variabilidad en los interceptos
Sin embargo en ese modelo no asumimos una estructura de covarianza que asuma
que los interceptos aleatorios y las pendientes aleatorias correlacionen. En este
caso lo que hacemos es cambiar la estructura de covarianzas en los factores
aleatorios a sin estructura.
Observamos como a mejorado la bondad del
modelo con la disminucin del ndice -2LL AIC.
Comparando con el anterior de 1816. Esta
diferencia es significativas con lo que estimamos
que este nuevo modelo mejora el anterior
La variabilidad entre las pendientes
La variabilidad en los interceptos
Covarianza interceptos-pendientes
37, 60 36, 68
Matriz de V-C
36, 68 38, 40
| |
|
\ .
El valor negativo de la covarianza interceptos pendientes (-36,68) indica que a travs
de las clnicas a medida que el intercepto (media) entre surgery y QoL aumenta la
pendiente decrece, lo que implica que observando el grfico a medida que aumenta
el valor del intercepto disminuye la pendiente de la recta
Finalmente incorporando el trmino interaccin. Para ello incorporamos la variable
reason for surgery.
0 1 2 3
4
Re
Re *
ij j ij ij ij
ij ij
QoL b b Surgery b QoLbefore b ason
b ason Surery e
= + + +
+ +
Observemos que el modelo sigue siendo de interceptos aleatorios y pendientes
aleatorias a lo que hemos aadido el trmino interaccin dado que Surgery es una
variable de 2nivel llevamos a cabo una interaccin permitimos la relacin de las
variables de primer y segundo nivel. Algo que es justamente la ventaja de los
modelos multinivel.poder modelar la influencia de variables de agrupacin jerrquica
sobre variable del sujeto
Interpreta el resultado
Gracias!!!!