ASOK05444U Anvendt multilevel analyse

Formål:
At gøre den studerende bekendt med metodologiske, metodiske og – gennem praktiske øvelser – anvendelsesorienteret brug af multilevel analyse på både hierarkiske tværsnitsdata (fx elever indlejret i skoleklasser) og longitudinale paneldata (fx individers indkomst livet igennem).

Indhold:

Multilevel analyse er en udbredt og anerkendt statistisk metode til at analysere samfundsvidenskabelige problemstillinger med. Metoden synes særlig velegnet til kvantitative, sociologiske studier af, hvordan sociale kontekster øver indflydelse på individer. Multilevel analyse præsenterer sig derfor som en både teoretisk og empirisk virkningsfuld metode til studier af sociologiens kerneområde: Forholdet mellem individ og gruppe.

Teknisk set dækker betegnelsen ”multilevel analyse” over en klasse af regressionsmodeller, der tager højde for, at individer indlejrede i sociale sammenhænge ikke er uafhængige er hinanden. Sådanne data kalder man hierarkiske eller, på engelsk, ”clustered” data. Som eksempler på hierarkiske data kan man tænke på elever indlejrede i skoleklasser, sygeplejersker indlejrede i sengeafsnit, borgere indlejrede i lande eller regioner, forskere indlejrede i universitetsinstitutter og klienter indlejrede i sagsbehandlere. Multilevel analyse er en udvidelse af den almindelige regressionsmodel, der bygger på en række antagelser, der ikke er opfyldt, når data er hierarkiske. Det gælder antagelserne om uafhængigt (og identisk) fordelte fejlled og om homogene fejlled (homoskedasticitet). Multilevel analyse tager højde for disse antagelser og udnytter dem eksplicit i estimationen af de statistiske modeller på en for sociologen intuitiv måde.

Multilevel modeller anvendes imidlertid ikke kun på tværsnitsdata, hvor individer observeres i grupper eller andre klynger. De har også sin anvendelse på longitudinale paneldata, hvor samme individer (panelet) observeres flere gange over tid. Multilevel analyse anvendt på paneldata giver mulighed for at studere processer i og over tid, fx individers indkomstudvikling eller børns kognitive udvikling. Multilevel modeller anvendt på paneldata giver derfor sociologen et stærkt værktøj, fordi de fleste sociale processer er processer i tid. Samtidig anvendes samme modeller på paneldata som på tværsnitsdata, dvs. teknikken er den samme, men fortolkningen en anden. Sidst åbner brugen af paneldata også for en klasse af videregående modeller, som kurset kort berører.

I kurset vil den studerende blive præsenteret for de metodologiske idéer bag multilevel analyse, de metodiske antagelser samt anvendelsesorienteret brug af multilevel analyse i programpakken Stata.

Kurset er struktureret i to overordnede dele:

Først introduceres multilevel modeller på hierarkiske tværsnitsdata. Hierarkisk betyder, at individer er indlejrede i grupper. Med multilevel modellen forsøger man at modellere, hvordan højere ordens niveauer, fx en social eller institutionel gruppe, øver indflydelse på lavere ordens niveauer, typisk individuelle forhold. En multilevel model kan indeholde både kontekstvariable (gruppespecifikke) og individvariable, der ”forklarer” en afhængig variabel på individniveau. Der ses på de situationer, hvor man (1) har interesse i variationen af en effekt over grupper, og hvor (2) en højere ordens effekt interagerer med en individuel effekt (såkaldte cross-level interactions). Denne første del af kurset introducerer multilevel analysen for lineære regressionsmodeller og gennemgår de grundlæggende antagelser bag modellerne. Der ses også på logistiske multilevel modeller samt på videregående emner som diskret approksimering af multilevel-strukturer (random effects) med latente klasser. Modeller med flere end to niveauer vil også blive diskuteret. Herudover vil spørgsmålet om endogene sociale effekter, konteksteffekter og selektionseffekter blive præsenteret som en del af det at kunne forholde sig kritisk til de resultater, multilevel modeller producerer. Der vil løbende være indlagt øvelser med god tid til at lære teknikken i Stata.

For det andet introduceres multilevel analyse på longitudinale paneldata, hvor samme individ observeres flere gange over tid. Principperne bag denne analyse er den samme som for tværsnitsdata, men analyseenheden er nu anderledes: Hvor man tidligere så på individer indlejrede i grupper eller kontekster, ser man nu på observationer indlejrede i individer. Man har nu individets udvikling over tid i sigte. Denne type modeller kaldes nogle gange ”individual growth curves” og er en virkningsfuld metode til at behandle sociologiske problemstillinger med. Der er sat god tid af til praktiske øvelser, og eksempler på styrken af multilevel analyser på paneldata vil blive præsenteret. Sidst vil der kort blive set på de videregående muligheder for brug af paneldata, her især såkaldte fixed effects (eller within-group) modeller, og hvordan denne klasse af modeller adresserer antagelsen om, at de forklarende variable og fejlledet er ukorrelerede (selektionsproblemet).

Er du allerede tændt på multilevel analyse, eller vil du gerne vide mere om metoden? Der findes er en kort introduktion på dansk gratis på nettet. Den er skrevet af Henrik Lolle og kan hentes her (side 43-59 i pdf’en): http://ddd.dda.dk/ddakatalog/mogd/md90.pdf.