STATISTIK-FORUM.de

[RaGusa]

Hallo!

Ich lese gerade einen Artikel, bei dem MRCM angewendet wurde. Da werden die Regressionsgleichungen erklärt, allerdings leider nicht so, dass ich das verstehe, denn ich weiss nicht, was ein Zufallskoeffizient ist... In der Literatur zu MRCM habe ich leider bisher auch keine Erklärung gefunden, es scheint vorausgesetzt zu werden, dass man das weiss... Kann mir jemand helfen (Erklärung oder Verweis darauf, wo ich das nachlesen kann?)

Vielen Dank und liebe Grüsse

RaGusa

[daniel]

Als "random coefficient model" bezeichnet man i.d.R. Modelle, die neben festen Populationsparametern auch Parameter schätzen, die über Subpopulationen variieren. Eine Quelle zum Nachlesen habe ich gerde nicht parat bzw. bin gerade zu faul eine vernünftige Literaturangabe zu machen.

[RaGusa]

Vielen Dank für deine Antwort, Daniel. Also, ich glaube was beim multilevel random coefficient modeling gemacht wird habe ich schon verstanden, ich versuche jetzt einfach noch die einzelnen Gleichungen zu verstehen und dafür sollte ich eben wissen, was ein Zufallskoeffizient ist. Bin nicht ganz sicher ob ich das jetzt aus deiner Antwort herauslesen kann - wolltest du sagen, dass das in dem Fall der Regressionskoeffizient für die Subpopulation ist?

[daniel]

Ja.

Es sollte eigfentlich auch nicht allzu schwer sein, da was zu zu finden. So exotisch ist das nun nicht. Zwei-drei Minuten google bringt schonmal das hier http://www.eui.eu/Personal/Franklin/MLM_day4.pdf als schnellen Einstieg.

Nicht allzu "Statisitsk lastig", dafür allerdings auch mit sehr eingeschränkten Diskussionen der Annahmen solcher Modelle, ist

Rabe-Hesketh, S. and Skrondal, A. (2005). Multilevel and Longitudinal
Modeling using Stata. College Station, TX: Stata Press.

[RaGusa]

So, habe jetzt eine Antwort gefunden, für alle die's interessiert dies zum Unterschied zwischen fixes und random effects:

Bei Fixed Effect-Modellen wird die gleiche Steigung unterstellt, aber Niveauunterschiede (Achsenabschnitte) zugelassen. Das Fixed Effect Modell geht davon, dass die β0j fixe Effekte sind, also als Parameter eines linearen Regressionsmodellen mit entsprechenden Dummyvariablen für die Gruppe j geschätzt werden können:
Fixed Effect Modell: (z.B. mit der Bedingung )
Random Effect Modelle
Bei Random Effect-Modellen werden unterschiedliche Steigungen zugelassen, aber ein gleichen Ausgangsniveau erzwungen. Im Random Intercept Modell sind die β0j fehlerbehaftete Größen (random effects). Der Fehler setzt sich dann aus zwei Komponenten zusammen: den inviduellen Fehlern und den Gruppenfehlern .

Vielen Dank nochmal für deine Hilfe, Daniel!

[RaGusa]

Jetzt habe ich doch noch einmal eine Frage diesbezüglich... In einem der Papers, die ich bearbeite wurden bei "unconditional models" fixed und random effects geschätzt. Bei beiden wurde sowohl der Intercept, als auch die Steigung signifikant. Wie soll man das jetzt interpretieren wenn jetzt der Term, der konstant gehalten wird signifikant wird?