Multilevel Modeling

2023/2024

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Sociology

Course type:

Elective course

When:

1 year, 4 module

Instructor

Titkova, Vera

Программа дисциплины

Аннотация

Курс "Многоуровневое моделирование" знакомит студентов с анализом многоуровневых (иерархических) данных. Рассматриваются методы анализа как кросс-секционных, так и лонгитюдных данных (временные ряды, панельные данные). Стандартные методы линейной регрессии к таким данным неприменимы. Внимание уделяется как теоретическим основам анализа, так и практическим навыкам работы с многоуровневыми данными, включая спецификацию моделей, оценку параметров, интерпретацию результатов и проверку моделей на адекватность. Студенты учатся использовать специализированные программные средства для анализа многоуровневых данных в R (lme4, nlme, plm, lmerTest, MuMIn, sjPlot и другие). Приложение многоуровневого анализа к разным областям исследований обсуждается на примере эмпирических статей. В ходе выполнения самостоятельных проектов студенты участя применять полученные знания на практике. Курс предназначен для студентов и исследователей в различных областях, включая социологию, экономику, образование, здравоохранение и другие, где данные имеют иерархическую природу.

Цель освоения дисциплины

• По окончании курса студенты будут способны: - Понимать концепции и принципы многоуровневого моделирования. - Применять различные методы анализа многоуровневых данных для исследования и моделирования сложных иерархических структур. - Оценивать влияние факторов на различных уровнях иерархии. - Интерпретировать результаты многоуровневых моделей. - Применять полученные знания и навыки в исследовательской и практической деятельности в различных областях, где данные имеют иерархическую структуру.

Планируемые результаты обучения

• Знать требования и ограничения регрессии методом наименьших квадратов. Знать что такое многоуровневая структура данных
• Понимать различия между моделями со случайным интерсептом (random intercept) и случайным наклоном (random slope)
• Знать чем отличаются разные типы центрирования. ПОнимать что такое модерация (interaction effect)
• Иметь представление о симуляции синтетических данных, целях и возможностях метода симуляции. Уметь создавать наборы данных с заданными характеристиками
• Понимать разницу между fixed и random моделями; требования и ограничения каждого типа моделей
• Понимать преимущества и ограничения многоуровневых моделей. Уметь делать информированный выбор правильной модели с учетом специфики данных.

Содержание учебной дисциплины

• Введение в многоуровневый анализ
• Типы многоуровневых моделей
• Центрирование переменных. Эффекты взаимодействия (модерация)
• Презентации проектов
• Многоуровневые модели с временной составляющей
• Оценка модели. Диагностика качества модели.
• Выбор модели. Ошибки и заблуждения. Мифы о многоуровневых моделях

Элементы контроля

• Домашнее задание
• Проект 1
• Проект 2
• Тест

Промежуточная аттестация

• 2023/2024 учебный год 4 модуль
  0.4 * Домашнее задание + 0.2 * Проект 1 + 0.2 * Проект 2 + 0.2 * Тест

Список литературы

Рекомендуемая основная литература

• A practical guide to using panel data, Longhi, S., 2015
• Data analysis using regression and multilevel/hierarchical models, Gelman, A., 2009
• Multilevel analysis : techniques and applications, Hox, J. J., 2017

Рекомендуемая дополнительная литература

• Handbook of advanced multilevel analysis, , 2011
• Multilevel analysis : an introduction to basic and advanced multilevel modeling, Snijders, T. A. B., 2012
• Panel data: theory and applications, , 2010
• Time-series forecasting, Chatfield, C., 2000