Die meisten Daten sind hierarchisch strukturiert, d.h. man kann sie Gruppen oder Clustern zuordnen, z.B. Kinder zu Familien, Personen zu Wohnorten, Patienten zu Kliniken, Käufer zu Marktsegmenten etc. Wenn eine Untersuchung Probanden zu unterschiedlichen Zeitpunkten an verschiedenen Orten zieht, wie beispielsweise die Passanten zu verschiedenen Uhrzeiten in einer Einkaufspassage, die Mitarbeiter in verschiedenen Abteilungen eines Unternehmens oder die Patienten in verschiedenen Kliniken, dann sind die Daten innerhalb einer Erhebungsstichprobe untereinander abhängig. Dies trifft auch zu, wenn gleichartige Messwerte von ein und derselben Person erhoben werden wie beispielsweise die Bewertungen von verschiedenen Produkten oder die medizinischen Ergebnisse von Patienten über einen längeren Zeitraum. Kann ein untersuchtes Individuum einer Gruppe zugeordnet werden, oder eine Gruppe von Messwerten einem Individuum, dann ist von einem wechselseitigen Einflussprozess zwischen Individuum und Gruppe bzw. Messwert und Individuum auszugehen.
Die Vernachlässigung von Gruppierungseffekten führt zu schweren Fehlinterpretationen von empirischen Ergebnissen bis hin zu gegenteiligen Aussagen (siehe Simpsons-Paradoxon). Mehrebenenanalysen berücksichtigen diese Gruppierungseffekte und erlauben verzerrungsfreie Ergebnisse und valide statistische Aussagen. Die Mehrebenenanalyse baut auf der multiplen Regressionsanalyse auf, daher wird im dreitägigen Basistraining die multiple Regression als Grundlage für die Mehrebenenanalyse im zweitägigen Aufbautraining behandelt.
von Dr. Haug Leuschner. Die Bewertungen werden von einem unab-
hängigen Dienstleister gesammelt, geprüft und ausgewertet.
Zielgruppe
Anwender aus den Bereichen der Sozial- und Marktforschung und der psychologischen, pädagogischen, soziologischen und klinischen Forschung
Voraussetzungen
die Inhalte der Seminare Grundlagen der Statistik mit R, Multivariate Datenanalyse mit R und Praxiserfahrungen mit der statistischen Programmiersprache R und der grafischen Benutzeroberfläche RStudio.
Lernziele
Hierarchische Abhängigkeiten in den Daten erkennen und modellieren können, verschiedene Klassen von Mehrebenenmodellen unterscheiden und einsetzen können, Ergebnisse von Mehrebenenanalysen grafisch darstellen, erläutern und interpretieren können. Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben erfolgen mit den Statistikprogrammen R und Mplus.
Weiterführendes Seminar
Nach erfolgreichem Abschluss des Seminars Regressions- und Mehrebenenanalysen mit R und Mplus können Sie an dem weiterführendem Seminar Strukturgleichungsmodelle teilzunehmen.