Die Grundlagenliteratur zu dieser Methode ist häufig mehr als kryptisch und wenig anschaulich, für Einsteiger sehr unwirtlich. Danke für dieses hervorragende Video.
Ohhh mein Gott endlich mal ein Video mit verständlichen Erklärungen zu den Formeln. Fast immer wird nur das PRINZIP erklärt, aber nicht die Formeln. Danke!
Danke danke danke! Ich habe die Vorlesungsfolien meines Profs und Literatur durchkämmt, aber nirgends wurde mir erklärt, wie man zu den Formeln kommt. Das Prinzip war mir klar, aber wie die Formeln zu interpretieren waren absolut nicht. Danke, das war super einfach erklärt :)
Sehr hilfreiches Video! Verständlich erklärt mit tollen Graphiken zur Veranschaulichung! Nicht zu hektisch erklärt, daher sehr sehr angenehmes Tempo! Fazit: Relativ schwieriges Thema einfach erklärt!
Tolles Video - didaktisch hervorragend aufgebaut und sehr ansprechend (und ohne Schnickschnack) visualisiert. Sehr hilfreich zum Verständnis. Gerade die Formeln sind ja erfahrungsgemäß die Nemesis vieler Statistikanwender*innen. Gefällt mir sehr gut. Vielen Dank dafür!
@@RegorzStatistik Vielen Dank! Ich habe eine allgemeine Frage: Mein Modell beinhaltet 3 Messzeitpunkte. Ich habe einen Fragebogen, der 14 Subskalen beinhaltet, welche untereinander nicht höher als r = .55 korreliert sind (Multikollinearität). Ist es sinnvoll, dass zur Erklärung der abhängigen Variable für jede Subskala ein Modell erstellt wird, oder sollten die Subskalen in ein Gesamtmodell gepackt werden? Ich hätte sonst das Problem, dass das Modell sehr groß wird, da ich zusätzliche Interaktionseffekte mit bswp. Alter / Geschlecht etc. modellieren möchte.
@@araxa6 Das lässt sich nicht generell beantworten, es hängt von Ihren Hypothesen ab. Das ist die gleiche Grundsatzfrage, die man auch bei einer normalen Regression hat: Viele einfache Regressionen oder eine multiple Regression?
Danke für das Video! Eine Verständnisfrage zur Abbildung zu Level 1 (min 8:40). Hat das Intercept, also die Gammas, noch eine praktische Bedeutung? Im Grunde wird der Wert von Gamma nie wirklich beobachtet, richtig? Der folgt nur aus dem mathematischen Modell.
Beim Intercept ist es so wie bei der Regression: Es ist der Wert der AV, wenn alle Prädiktoren einen Wert von Null haben (hier im Mittel über alle Level 2 Einheiten). Ist nur sehr selten interessant (wenn überhaupt dann, wenn die Prädiktoren zentriert wurden, so dass es der Wert der AV bei mittlerer Ausprägung der Prädiktoren ist), auch hier analog zur Regression, wo mich der Intercept fast nie wirklich interessiert. Der Wert von Gamma10 hingegen ist die fixed slope und hochinteressant - die meisten Hypothesen bei einem HLM betreffen Slopes (ist vermutlich klar, nur sicherheitshalber, weil Sie von Gammas im Plural geschrieben hatten).
Vielen Dank für den Hinweis! Da muss es tatsächlich Level 2 heißen. Korrekt wäre also für den Text von 12:35 - 12:46: "...das heißt hier ist gamma01 einfach der Wert, um den die Gruppen mit dem LEVEL 2 -Prädiktor gleich eins im Intercept höher liegen als die Gruppen mit dem LEVEL 2 - Prädiktor von Null."
Bei der Mehrebenenanalyse werden ja Intercept (Achsenabschnitt) und Slope (Steigung der Regressionsgeraden) auf Level 1 jeweils durch ein eigenen Regressionsmodell auf Level 2 erklärt. Mit Intercept des Intercepts meine ich den Achsenabschnitt des Level 2 Regressionsmodells zur Erklärung des Achsenabschnitts auf Level 1 (also Gamma_00 als Intercept des Level 2 Modells zur Erklärung von Beta_0j).
Hallo! Kann man bei signifikanter Varianz der Gewichtsresiduen ( u1j ) schon von einem Kontexteffekt sprechen? Wenn nein, wäre das zumindest ein Indikator für Kontexteffekte? Mit Kontexteffekt meine ich, wenn der Effekt einer Variable auf der Individualebene von dem Effekt der gleichen Variable auf der Gruppenebene abweicht. (siehe Big-Fish-Little-Pond-Effekt). Vielen Dank! Ihr Video ist ein didaktischer Traum, tolle Erkenntnisführung :)))
Bei einem signifikanten u1j hat man random slopes, also Unterschiede zwischen den verschiedenen Gruppen hinsichtlich des Effekts einer Variable auf Individualebene. Ob damit der durchschnittliche Effekt dieser Variable auf Individualebene zwingend vom Effekt auf Gruppenebene abweicht, da bin ich mir nicht so sicher - m.E. ergibt sich das nicht daraus, denn der durchschnittliche Effekt auf Individualebene wird von u1j ja nicht beeinflusst, sondern nur die Schwankung des Effekts in den verschiedenen Gruppen um diesen durchschnittlichen Effekt auf Individualebene.
Meine Bachelorarbeit und ich danken dir für die sehr guten Erklärungen und Visualisierungen! :)
Die Grundlagenliteratur zu dieser Methode ist häufig mehr als kryptisch und wenig anschaulich, für Einsteiger sehr unwirtlich. Danke für dieses hervorragende Video.
Tausend Dank !! Das haben Sie so gut erklärt !!!
Ohhh mein Gott endlich mal ein Video mit verständlichen Erklärungen zu den Formeln. Fast immer wird nur das PRINZIP erklärt, aber nicht die Formeln. Danke!
Ich ziehe meinen imaginären Hut vor dir! Super erklärt und das bei diesem komplexen Thema!
Hervorragend erklärt, vielen Dank!
Danke danke danke! Ich habe die Vorlesungsfolien meines Profs und Literatur durchkämmt, aber nirgends wurde mir erklärt, wie man zu den Formeln kommt. Das Prinzip war mir klar, aber wie die Formeln zu interpretieren waren absolut nicht. Danke, das war super einfach erklärt :)
Sehr hilfreiches Video! Verständlich erklärt mit tollen Graphiken zur Veranschaulichung! Nicht zu hektisch erklärt, daher sehr sehr angenehmes Tempo! Fazit: Relativ schwieriges Thema einfach erklärt!
Mit ABSTAND die beste Erklärung hier auf yt!
super Video, vielen Dank dafür. Sehr gut in Geschwindigkeit und Inhalt. Auch für Anfänger gut verständlich.
Hammermässig erklärt! Sehr deutlich und strukturiert. Danke viiiel mals!
Ein wirklich gut erklärtes und strukturiertes Video! Hat mir sehr bei meiner Klausurvorbereitung für Statistik geholfen - vielen Dank!
Tolles Video - didaktisch hervorragend aufgebaut und sehr ansprechend (und ohne Schnickschnack) visualisiert. Sehr hilfreich zum Verständnis. Gerade die Formeln sind ja erfahrungsgemäß die Nemesis vieler Statistikanwender*innen. Gefällt mir sehr gut. Vielen Dank dafür!
Super erklärt, vielen Dank!!!!
Vielen Dank für die tolle Visualisierung!
Sehr kompakt, hilfreich und verständlich! Danke
Vielen Dank ür das Video! hat mir gut für meine Abschlussarbeit geholfen!
Super Video! Vielen vielen Dank für den wertvollen Beitrag.
vielen Dank für das gute Video. Es hat mir sehr geholfen!
Danke für das Video, sehr gut gemacht, gut verständlich!
Absoluter Ehrenmann!
Super Video ! Danke !!
toll erklärt!
Exzellentes Video, ganz vielen Dank!
Sehr gutes Video! Kurze Anmerkung: Es ist ein Hintergrundrauschen zu hören. Sowas kann man mit z.B. Audacity sehr gut und einfach raus bekommen ;)
Durch welches Buch / Literatur hast du dir das Verständnis über die Formeln und Zusammenhänge angeeignet?
Klasse Videos machst du, vielen Dank dafür!
In erster Linie durch die entsprechenden Vorlesungen im Psychologie-Studium (Fernuni Hagen, Prof. Christ). Ansonsten noch das Buch von Hox et al.
@@RegorzStatistik Dankeschön! Hättest du auch deutsche Literaturempfehlungen zu diesem Thema?
@@araxa6 Leider nein, ich habe bisher zu diesem Thema nur englischsprachige Quellen verwendet.
@@RegorzStatistik Vielen Dank!
Ich habe eine allgemeine Frage:
Mein Modell beinhaltet 3 Messzeitpunkte. Ich habe einen Fragebogen, der 14 Subskalen beinhaltet, welche untereinander nicht höher als r = .55 korreliert sind (Multikollinearität).
Ist es sinnvoll, dass zur Erklärung der abhängigen Variable für jede Subskala ein Modell erstellt wird, oder sollten die Subskalen in ein Gesamtmodell gepackt werden?
Ich hätte sonst das Problem, dass das Modell sehr groß wird, da ich zusätzliche Interaktionseffekte mit bswp. Alter / Geschlecht etc. modellieren möchte.
@@araxa6 Das lässt sich nicht generell beantworten, es hängt von Ihren Hypothesen ab. Das ist die gleiche Grundsatzfrage, die man auch bei einer normalen Regression hat: Viele einfache Regressionen oder eine multiple Regression?
Super und ganz herzlichen Dank 😍.Haben Sie auch ein Video dafür, wie ich Grafiken dazu erstelle?
Wenn Sie mit R arbeiten, ja:
ruclips.net/video/amy-AZ0Xt5A/видео.html
Danke für das Video! Eine Verständnisfrage zur Abbildung zu Level 1 (min 8:40). Hat das Intercept, also die Gammas, noch eine praktische Bedeutung? Im Grunde wird der Wert von Gamma nie wirklich beobachtet, richtig? Der folgt nur aus dem mathematischen Modell.
Beim Intercept ist es so wie bei der Regression: Es ist der Wert der AV, wenn alle Prädiktoren einen Wert von Null haben (hier im Mittel über alle Level 2 Einheiten).
Ist nur sehr selten interessant (wenn überhaupt dann, wenn die Prädiktoren zentriert wurden, so dass es der Wert der AV bei mittlerer Ausprägung der Prädiktoren ist), auch hier analog zur Regression, wo mich der Intercept fast nie wirklich interessiert.
Der Wert von Gamma10 hingegen ist die fixed slope und hochinteressant - die meisten Hypothesen bei einem HLM betreffen Slopes (ist vermutlich klar, nur sicherheitshalber, weil Sie von Gammas im Plural geschrieben hatten).
bei 12:35 sagst du Level 1 Prädiktor, aber ist nicht Level 2 gemeint?
Vielen Dank für den Hinweis! Da muss es tatsächlich Level 2 heißen.
Korrekt wäre also für den Text von 12:35 - 12:46:
"...das heißt hier ist gamma01 einfach der Wert, um den die Gruppen mit dem LEVEL 2 -Prädiktor gleich eins im Intercept höher liegen als die Gruppen mit dem LEVEL 2 - Prädiktor von Null."
@@RegorzStatistik danke auf jeden Fall für das Video :)
Vielen Dank für das Video! Eine Frage: Wie kann ich "Intercept des Intercepts" verstehen? Und wie würde ich den herausfinden?
Bei der Mehrebenenanalyse werden ja Intercept (Achsenabschnitt) und Slope (Steigung der Regressionsgeraden) auf Level 1 jeweils durch ein eigenen Regressionsmodell auf Level 2 erklärt. Mit Intercept des Intercepts meine ich den Achsenabschnitt des Level 2 Regressionsmodells zur Erklärung des Achsenabschnitts auf Level 1 (also Gamma_00 als Intercept des Level 2 Modells zur Erklärung von Beta_0j).
Was meint bei 9:30 das X1ij?
Vielen Dank für die tolle Erklärung! Sehr verständlich aufgebaut! :)
Das ist der X-Wert der Person i aus der Gruppe j. (Im Beispiel der IQ von SchülerIn i aus der Klasse j).
@@RegorzStatistik super, danke sehr!
Hallo!
Kann man bei signifikanter Varianz der Gewichtsresiduen ( u1j ) schon von einem Kontexteffekt sprechen?
Wenn nein, wäre das zumindest ein Indikator für Kontexteffekte?
Mit Kontexteffekt meine ich, wenn der Effekt einer Variable auf der Individualebene von dem Effekt der gleichen Variable auf der Gruppenebene abweicht. (siehe Big-Fish-Little-Pond-Effekt).
Vielen Dank! Ihr Video ist ein didaktischer Traum, tolle Erkenntnisführung :)))
Bei einem signifikanten u1j hat man random slopes, also Unterschiede zwischen den verschiedenen Gruppen hinsichtlich des Effekts einer Variable auf Individualebene. Ob damit der durchschnittliche Effekt dieser Variable auf Individualebene zwingend vom Effekt auf Gruppenebene abweicht, da bin ich mir nicht so sicher - m.E. ergibt sich das nicht daraus, denn der durchschnittliche Effekt auf Individualebene wird von u1j ja nicht beeinflusst, sondern nur die Schwankung des Effekts in den verschiedenen Gruppen um diesen durchschnittlichen Effekt auf Individualebene.
Herr kemper sind Sie das?
Dies ist ein Video von Regorz Statistik.