multilevelmodellen

Multilevelmodellen, eller hierarkisk modellering, är en statistisk ram för analys av data som är strukturerade i flera nivåer eller kluster. Data i such strukturer uppstår när observationer är grupperade, till exempel elever inom skolor eller upprepade mätningar inom individer. Modellen gör det möjligt att samtidigt undersöka variationen mellan grupper och inom grupper samt hur olika faktorer påverkar utfallet på olika nivåer.

En grundläggande uppbyggnad består av fasta effekter som beskriver sambanden på populationens nivå och slumpmässiga effekter som fångar avvikelse mellan nivåer. Man kan specificera slumpmässiga intercept, slumpmässiga lutningar eller båda, vilket gör att relationerna kan variera över grupper eller över tid. Modellerna kan vara linjära (LMM) eller generaliserade linjära (GLMM) där utfallsvariabeln är icke-normal eller icke kontinuerlig.

Estimering görs ofta med maximum likelihood (ML) eller restricted maximum likelihood (REML) i linjära fall, medan GLMM ofta kräver numeriska metoder och kan också hanteras inom Bayesian ramverk. Nödvändiga mått inkluderar intraclass correlation (ICC) som beskriver hur mycket av variationen som är beteendegrupperad, samt tolkningar av cross-level-interaktioner där nivå-2-variabler modifierar effekterna på nivå-1.

Antaganden innefattar vanligtvis normalfördelade slumpmässiga effekter och felter, samt rätt modellstruktur för att undvika misspecifikation. Användningsområden är brett och inkluderar utbildning, psykologi, sociologi och epidemiologi, exempelvis hur skolnivåfaktorer påverkar elevprestationer eller hur utvecklingsmönster ändras över tid. Vanliga programvaror inkluderar R (lme4, nlme), SAS (PROC MIXED), Stata och specialiserade verktyg som MLwiN och HLM.