HIERARCHICKÉ LINEÁRNÍ MODELOVÁNÍ
Hierarchické lineární modely analyzují data, u nichž není splněn předpoklad nezávislosti pozorování a výběrové jednotky jsou organizovány do skupinek.
Model hierarchického lineárního modelování (často uváděný pod zkratkou HLM) zachycuje situaci, kdy jsou výběrové jednotky organizovány v postupně podřazených skupinkách, v nichž jsou pozorování korelována, a kde je porušen předpoklad nezávislých pozorování. Takové situace vznikají jak v reálném uskupení hierarchie skupinek v populaci, tak v důsledku výběrových postupů. Modely zahrnují analýzu rozptylu, regresní analýzu a jejich kombinace a vedou na tzv. smíšený regresní model (mixed models).
Cíle kurzu
- Kurz uvádí pojmy, postupy a příklady použití základního dvoustupňového modelu a myšlenku třístupňového modelu.
Pro koho je kurz určen
Kurz je určen pro analytiky, kteří vytvářejí modely příčin a následků a sledují proměnlivost vztahu v různých kontextech. Pro aplikace v sociálních vědách, v geografických analýzách, pedagogice apod.
Osnova kurzu
- 1 hierarchický model
- 2 problémy lineárního modelu v situaci skupinek
- 3 teoretické důvody pro jeho použití
- 4 statistické důvody pro jeho použití
- 5 ANOVA a ANCOVA v HLM
- 6 HLM a smíšené lineární modely
- 7 lineární model s fixními předpoklady
- 8 náhodné koeficienty
- 9 přechod hierarchického modelu na smíšený model
- 10 modely dvou stupňů
- 11 ANOVA a ANCOVA
- 12 různé aplikace
- 13 různá rozšíření
Termíny
Požadavky
Znalost modelu a metod analýzy rozptylu a regresní analýzy, pojem testování hypotéz. Zkušenosti s ovládáním statistických programů nejsou nutné.
Lektor
PhDr. Ing. Petr Soukup, Ph.D.
Mohlo by vás zajímat
