Fachgruppe für Methoden und Evaluation - Universität Bamberg

Mi., 21.09., Modellierung von Veränderungen, 11.10 -11.30 Uhr, Hörsaal
M3/232N (H)
Hierarchisches Random-Effects-Modell für längsschnittliche Daten
Fidan Gasimova1
Alexander Robitzsch
Oliver Wilhelm1
Gizem Hülür1
1 Universität Ulm, Institut
für Psychologie und Pädagogik
Albert-Einstein-Allee 47
89069 Ulm
fidan.gasimova
@uni-ulm.de
2 Bildungsforschung, Innovation
& Entwicklung des
österreichischen Schulwesens
Alpenstraße 121
5020 Salzburg
a.robitzsch@bifie.at
2
Dieser Beitrag befasst sich mit Modellierungstechniken für
intensiv-längsschnittliche Daten. Im gegebenen Fall sind
dies Schülerleistungen in Deutsch und Mathematik sowie
Arbeitsgedächtnisleistungen aus der „LUISE“ Studie
(Längsschnittliche Untersuchung individueller schulischer
Entwicklungsprozesse).für die wir adäquate Analysemethoden
für viele, nicht äquidistante Messzeitpunkte und viele
Individuen einsetzen. Im Zentrum des Vorhabens steht die
simultane Betrachtung intra- und interindividueller Veränderungen
in Deutsch, Mathematik und Arbeitsgedächtniskapazität.
Oravecz et al. (2009) sowie Oravecz und Tuerlinckx (2011)
schlagen personenspezifische stochastische Differentialgleichungen
erster Ordnung für die Analyse der längsschnittlichen
Daten, das im Gegensatz zu einem latenten linearen
Wachstumskurvenmodell interindividuelle Veränderungen,
nicht nur in einem personenspezifischen Mittelwert
und einem personenspezifischen Slope, sondern auch um
personenspezifische Varianzen und Autokorrelationen erweitern.
Die Personenparameter werden dabei als hierarchische
zufällige Effekte in einem so genannten Random
Effects Model spezifiziert.
Im vorgeschlagenen Modell wird zunächst angenommen,
dass die Veränderungen über die Zeit linear und die Abstände
zwischen den einzelnen Messungen für alle Personen
äquidistant sind. Mit Hilfe einer Simulationsstudie wurde
das Random Effects Model auf Parameter Recovery untersucht
und die statistischen Eigenschaften Bias, RMSE
und Coverage evaluiert. Die zur Simulation der Datensätze
verwendeten Populationsparameter wurden aus der LUI-
SE-Studie in einer Stichprobe von N=138 Personen und
T=20 Messzeitpunkten gewonnen.
Oravecz, Z., Tuerlinckx, F., & Vandekerckhove, J. (2009). A
hierarchical Ornstein-Uhlenbeck model for continuous
repeated measurement data. Psychometrika, 74, 395-418.
Oravecz, Z., & Tuerlinckx, F. (2011). The linear mixed model and
the hierarchical Ornstein-Uhlenbeck model: Some
Equivalences and differences. British Journal of Mathematical
and Statistical Psychology, 64, 134-160.
22