Kenntnisse Generalized Linear Mixed Models Repeated Measure

Distanzmaße, Diskriminanzanalyse, graphische Analysen etc.

Kenntnisse Generalized Linear Mixed Models Repeated Measure

Beitragvon müri » Mo 26. Okt 2015, 12:01

Hallo zusammen

Kennt sich hier jemand mit der Interpretation von GENLIN MIXED Modellen mit Messwiederholungen aus?

Ich habe in SPSS Outputs erzeugt, bei welchen ich Mühe habe, diese richtig zu interpretieren.

Ich wäre sehr froh, wenn es hier jemanden gibt, der mir dabei behilflich sein kann.

Dankeschön und einen schönen Tag!
müri
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Mo 26. Okt 2015, 11:33
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Kenntnisse Generalized Linear Mixed Models Repeated Meas

Beitragvon strukturmarionette » Mo 26. Okt 2015, 12:22

Hi,

Ich habe in SPSS Outputs erzeugt, bei welchen ich Mühe habe, diese richtig zu interpretieren.

- Derartige Outputgenerierungen gelingen flott und umfangreich.
- Die Grundlagen für die Interpretation erfolgen aber zunächst unabhängig davon.
- Bspw aus der Entstehungsgeschiche der Rohdaten (Stichproben, Variaben)
- Fach,Thema, Fragestellungen, Hypothesen
- Was ist dazu konkret bekannt?

Gruß
S.
strukturmarionette
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 4313
Registriert: Fr 17. Jun 2011, 22:15
Danke gegeben: 32
Danke bekommen: 582 mal in 579 Posts

Re: Kenntnisse Generalized Linear Mixed Models Repeated Meas

Beitragvon müri » Mo 26. Okt 2015, 12:33

Danke für die schnelle Antwort :)

Zur Info:
- Längsschnittstudie über 10 Tage hinweg
- also "time" (von 0 bis 10)
- Prädiktor Nr.1 : Geschlecht ("Genfer") (1 = Frau, 0 = Mann)
- Prädiktor Nr.2 : Verzeihen ("SplitForgiveness") (1 = niedrig, 0 = hoch)
- Outcome/Target: tägliche Beleidigung ("TransDaily") (dichotom 0 = nein, 1 = ja)

Also es geht darum, ob "Geschlecht" bzw. "Verzeihen" einen Einfluss auf das Erleben von Beleidigungen hat (ja oder nein).

Hier die Syntax meiner drei Modelle:

*Generalized Linear Mixed Models. MODEL 2.1.

GENLINMIXED
/DATA_STRUCTURE SUBJECTS=id REPEATED_MEASURES=time COVARIANCE_TYPE=COMPOUND_SYMMETRY
/FIELDS TARGET=TransDaily TRIALS=NONE OFFSET=NONE
/TARGET_OPTIONS DISTRIBUTION=BINOMIAL LINK=LOGIT
/FIXED EFFECTS=Gender time USE_INTERCEPT=TRUE
/BUILD_OPTIONS TARGET_CATEGORY_ORDER=DESCENDING INPUTS_CATEGORY_ORDER=DESCENDING
MAX_ITERATIONS=100 CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=ROBUST PCONVERGE=0.000001(ABSOLUTE)
SCORING=0 SINGULAR=0.000000000001
/EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.


*Generalized Linear Mixed Models. Model 2.2

GENLINMIXED
/DATA_STRUCTURE SUBJECTS=id REPEATED_MEASURES=time COVARIANCE_TYPE=AR1
/FIELDS TARGET=TransDaily TRIALS=NONE OFFSET=NONE
/TARGET_OPTIONS DISTRIBUTION=BINOMIAL LINK=LOGIT
/FIXED EFFECTS=time USE_INTERCEPT=TRUE
/RANDOM USE_INTERCEPT=TRUE SUBJECTS=id COVARIANCE_TYPE=VARIANCE_COMPONENTS
/BUILD_OPTIONS TARGET_CATEGORY_ORDER=DESCENDING INPUTS_CATEGORY_ORDER=DESCENDING
MAX_ITERATIONS=100 CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=ROBUST PCONVERGE=0.000001(ABSOLUTE)
SCORING=0 SINGULAR=0.000000000001
/EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.


*Generalized Linear Mixed Models. Model 2.3.

GENLINMIXED
/DATA_STRUCTURE SUBJECTS=id REPEATED_MEASURES=time COVARIANCE_TYPE=AR1
/FIELDS TARGET=TransDaily TRIALS=NONE OFFSET=NONE
/TARGET_OPTIONS DISTRIBUTION=BINOMIAL LINK=LOGIT
/FIXED EFFECTS=time Gender SplitForgivingness Gender*time SplitForgivingness*time
USE_INTERCEPT=TRUE
/RANDOM USE_INTERCEPT=TRUE SUBJECTS=id COVARIANCE_TYPE=VARIANCE_COMPONENTS
/BUILD_OPTIONS TARGET_CATEGORY_ORDER=DESCENDING INPUTS_CATEGORY_ORDER=DESCENDING
MAX_ITERATIONS=100 CONFIDENCE_LEVEL=95 DF_METHOD=RESIDUAL COVB=ROBUST PCONVERGE=0.000001(ABSOLUTE)
SCORING=0 SINGULAR=0.000000000001
/EMMEANS_OPTIONS SCALE=ORIGINAL PADJUST=LSD.


Auf welche Werte sollte ich für die Interpretation eingehen?
müri
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Mo 26. Okt 2015, 11:33
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post


Zurück zu weitere Verfahren

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 1 Gast