Verstehe Nomenklatur bei LMM / HLM nicht

Faktoren- und Clusteranalysen, Diskriminanzanalysen und weitere multivariate Verfahren aller Art mit SPSS

Verstehe Nomenklatur bei LMM / HLM nicht

Beitragvon miner » Do 5. Aug 2021, 13:38

Hallo,

ich verstehe die Nomenklatur bei LMM (linear mixed models) bzw. hlm (hierarchisches lienares model) nicht vollumfänglich.

Es geht um die Analyse von Längsschnittdaten mit mehreren Messzeitpunkten durch ein LMM. Baltes (2020) erläutert das in Kapitel 6 ab S. 88 f. Die Nomenklatur zur Analyse von Längsschnittdaten mit LMM in SPSS mit der Prozedur MIXED erklärt Baltes (2020) insbesondere in Unterkapitel 6.3.1 Modell (S. 90-01). (Download Link für die Quelle als PDF siehe unten unter "Literatur").

Baltes schreibt dort Folgendes: siehe Upload "baltes 6.31. Eins.png als Screenshot:

baltes 6.3.1 Eins.png
baltes 6.3.1 Eins.png (99.14 KiB) 2287-mal betrachtet



Fragen, die ich mir stelle:

Baltes gibt an, Pi_pi sei der Koeffizient, wobei p die Potenz und i der Fall ist. Das i der Fall ist, glaube ich sowie zu verstehen, bei LMM wird auf der Mikroebene für jeden Fal i ein eigenes Intercept und Slope berechnet.

Weiterhin gibt Baltes an, p sei die p-te Potenz. Im Allgemeinen ist die 1. Potenz x^1, die zweite Potenz x^2, die dritte Potenz x^3, die vierte Potenz x^4, die n-te Potenz x^n.

Das ist mir soweit klar.

Dann gibt Baltes die, dAS seiner Formuliertung, allgemeine (polynomische) intraindividuelle Modell der Ebene 1 [Also der Mikroebene, Anmerkung von Miner) für die Zeitvariable T mit dem Zeitindex t lautet: siehe Upload baltes 6.31. Zwei.png:


baltes 6.3.1 Zwei.png
baltes 6.3.1 Zwei.png (64.23 KiB) 2287-mal betrachtet



Dann meint Baltes, er beschränkt sich auf den Polynomgrad eins (also auf die erste Potenz, d.h. die 1 im Exponent verändert gar nichts, da z.B. gilt x^1.

Allerdings ist meiner Ansicht nach, die Information, dass wir uns auf Polynomgrad eins (also auf eine Einerpotenz) beschränklen, m.E. trivial, mit der folgenden Begründung:

Bei den Modellen von denen wir sprechen, handelt es sich um lineare Modelle. Wenn wir nur einen einzigen Polynomgrad höher gehen würden (also eine Zweierpotenz) hätten wir kein lienares Modell mehr, sondern ein quadratisches, bei einer Dreierpotenz ein kubisches Modell usw.

Die Information, dass wir uns auf den Polynomgrad eins beschränken, ist somit m.E. trivial, und das "allgemeine (polynomische" intraindividuelle Modell der Ebene 1..." welches Baltes angibt, macht das Scirpt nur unnötig kompliziert?

Kann jemand bestätigen, dass mein Gedankengang korrekt ist, oder mache ich einen Denkfehler? (ggf. welchen?)


Besten Dank und Grüße,
Miner



Literatur und Download-Link


Baltes 2020.
Download-Link: https://www.uni-trier.de/fileadmin/urt/doku/hlm/hlm.pdf



Disclaimer


Bin mir nicht sicher, ob es das richtige Unterforum ist, jedoch gibt es kein Unterforum für LMM / HLM. Habe auch darüber nachgedacht, ob es im Statistik-Forum besser aufgehoben wäre, jedoch ist die Quelle auf die ich mich beziehe, eine Anleitung zur Umsetzung von LMM speziell in SPSS. Ggf. kann ein mitlesender Mod den Beitrag verschieben.
miner
 
Beiträge: 86
Registriert: Do 12. Sep 2013, 16:54
Danke gegeben: 6
Danke bekommen: 0 mal in 0 Post

Re: Verstehe Nomenklatur bei LMM / HLM nicht

Beitragvon ponderstibbons » Do 5. Aug 2021, 17:45

y=b1*x²+b2*x³ ist linear in den Parametern.
y=e^b*x ist nichtlinear.
S.z.B. https://statisticsbyjim.com/regression/ ... on-models/

Mit freundlichen Grüßen

PonderStibbons
ponderstibbons
 
Beiträge: 2472
Registriert: Sa 1. Okt 2011, 17:20
Danke gegeben: 1
Danke bekommen: 255 mal in 254 Posts

folgende User möchten sich bei ponderstibbons bedanken:
miner

Re: Verstehe Nomenklatur bei LMM / HLM nicht

Beitragvon miner » Di 10. Aug 2021, 15:54

ponderstibbons hat geschrieben:y=b1*x²+b2*x³ ist linear in den Parametern.
y=e^b*x ist nichtlinear.
S.z.B. https://statisticsbyjim.com/regression/ ... on-models/

Mit freundlichen Grüßen

PonderStibbons


Besten Dank für das Beispiel und den Link. Ich arbeite das durch. Das ist für mich ein guter Input.
miner
 
Beiträge: 86
Registriert: Do 12. Sep 2013, 16:54
Danke gegeben: 6
Danke bekommen: 0 mal in 0 Post


Zurück zu Multivariate Verfahren

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 1 Gast