งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

การวิเคราะห์ข้อมูลพหุระดับ (Multilevel Analysis) ด้วยโปรแกรม HLM ดร.นำชัย ศุภฤกษ์ชัยสกุล สถาบันวิจัยพฤติกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "การวิเคราะห์ข้อมูลพหุระดับ (Multilevel Analysis) ด้วยโปรแกรม HLM ดร.นำชัย ศุภฤกษ์ชัยสกุล สถาบันวิจัยพฤติกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ."— ใบสำเนางานนำเสนอ:

1 การวิเคราะห์ข้อมูลพหุระดับ (Multilevel Analysis) ด้วยโปรแกรม HLM ดร.นำชัย ศุภฤกษ์ชัยสกุล สถาบันวิจัยพฤติกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ

2 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์พหุระดับ แนวคิดเบื้องต้นในการวิเคราะห์พหุระดับ – ภาคทฤษฎีเกี่ยวกับแนวคิดการวิเคราะห์ การวิเคราะห์พหุระดับด้วยโปรแกรม HLM – กรณีตัวอย่างงานวิจัย – การใช้โปรแกรม HLM วิเคราะห์เพื่อตอบคำถามการวิจัย – การอ่านและแปลผลการวิเคราะห์

3 ดร.นำชัย ศุภฤกษ์ชัยสกุล ข้อมูลพหุระดับ Hierarchical Nested Data or Multiple-Level Data

4 ดร.นำชัย ศุภฤกษ์ชัยสกุล ข้อมูลพหุระดับ Hierarchical Nested Data or Multiple-Level Data

5 ดร.นำชัย ศุภฤกษ์ชัยสกุล ปัญหาของข้อมูลพหุระดับ ลักษณะความเป็นกลุ่มส่งผลกระทบต่อการวิเคราะห์ทางสถิติ ละเมิดข้อตกลงเบื้องต้นเรื่อง Independent Observations ส่งผลให้เกิด Type I Error สูงเกินกว่าปกติหรือที่ตั้งไว้

6 ดร.นำชัย ศุภฤกษ์ชัยสกุล ปัญหาของข้อมูลพหุระดับ จำนวนสมาชิกต่อกลุ่ม ระดับของ Intraclass Correlation Barcikowski (1981)

7 ดร.นำชัย ศุภฤกษ์ชัยสกุล ปัญหาของข้อมูลพหุระดับ การวิเคราะห์การถดถอยทั่วไปใช้การประมาณค่าแบบ Ordinal Least Squares (OLS) ซึ่งมีปัญหาเนื่องจากละเมิด assumption การวิเคราะห์พหุระดับส่วนใหญ่ใช้วิธีประมาณค่า Maximum Likelihood (ML) ซึ่งให้ค่าประมาณที่เที่ยงตรงกว่าในกรณีที่ ละเมิดข้อตกลงเบื้องต้นเรื่อง independent observations

8 ดร.นำชัย ศุภฤกษ์ชัยสกุล กรณีตัวอย่าง X = เศรษฐฐานะของนักเรียน (SES) Y = ผลสัมฤทธิ์ทางการเรียน (Achievement) W = ประเภทโรงเรียน (Type of School)

9 ดร.นำชัย ศุภฤกษ์ชัยสกุล ลักษณะความสัมพันธ์ของตัวแปรพหุระดับ

10 ดร.นำชัย ศุภฤกษ์ชัยสกุล วิธีการวิเคราะห์ กรณี 1 ใช้การวิเคราะห์ Pearson Correlation หรือ Regression กรณี 2 ใช้ ANCOVA หรือแปลงตัวแปร W ให้เป็นตัวแปร Dummy แล้วนำไปวิเคราะห์ Regression กรณี 3 การวิเคราะห์แบบเดิมไม่สามารถวิเคราะห์ได้ เนื่องจาก มีข้อตกลงเบื้องต้นทางสถิติ กรณี 3 นี้เรียกว่า Cross Level Interaction เป็นความสัมพันธ์ที่ การวิเคราะห์พหุระดับถูกออกแบบเพื่อศึกษาโดยเฉพาะ

11 ดร.นำชัย ศุภฤกษ์ชัยสกุล แนวการวิเคราะห์แบบเดิม ไม่สนใจระดับการวิเคราะห์ ไม่นำเข้ามาวิเคราะห์ด้วย – ใช้ได้เฉพาะกรณี 1 เท่านั้น ทำให้หน่วยการวิเคราะห์อยู่ในระดับเดียวกัน – Aggregate Regression แปลงตัวแปรระดับหน่วยย่อยให้เป็นระดับกลุ่ม เสียข้อมูลจำนวนมาก Power ลดลง Type II Error สูงขึ้น Ecological Fallacy or Robinson Effect

12 ดร.นำชัย ศุภฤกษ์ชัยสกุล แนวการวิเคราะห์แบบเดิม ทำให้หน่วยการวิเคราะห์อยู่ในระดับเดียวกัน – Disaggregate Regression แปลงตัวแปรระดับกลุ่มให้เป็นระดับหน่วยย่อย Type I Error สูงขึ้นกว่าปกติ Atomistic Fallacy การวิเคราะห์ 2 แนวทางก็ยังไม่สามารถวิเคราะห์ Cross Level Interaction ได้

13 ดร.นำชัย ศุภฤกษ์ชัยสกุล แนวการวิเคราะห์แบบเดิม การวิเคราะห์แบบเดิมจึงมีปัญหา – Conceptual Problem Fallacy of the Wrong Level – Statistical Problem Violate Independent Observation Assumption Alpha Inflate

14 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์ข้อมูลพหุระดับ Multilevel Data Analysis Hierarchical Linear Models (HLM) โดย Raudenbush & Bryk เป็นการนำเอาโครงสร้างความเป็นกลุ่มมาเป็นอิทธิพลสุ่ม (Random Effect) ในสมการ ไม่ใช่อิทธิพลคงที่ (Fixed Effect) เหมือนสมการถดถอยทั่วไป แยกสมการโดยนำเอาค่าสัมประสิทธิ์ทั้งค่า intercept และ slope มาเป็นตัวแปรตามแบบสุ่ม

15 ดร.นำชัย ศุภฤกษ์ชัยสกุล สมการการวิเคราะห์พหุระดับ

16 ดร.นำชัย ศุภฤกษ์ชัยสกุล แนวคิดเบื้องต้นของ HLM

17 ดร.นำชัย ศุภฤกษ์ชัยสกุล Null Model Level 1 Model Level 2 Model One Way ANOVA with Random Effects

18 ดร.นำชัย ศุภฤกษ์ชัยสกุล มีแต่ค่า Intercepts ไม่มีตัวแปรอิสระ เพื่อทดสอบว่าค่าเฉลี่ยตัวแปรตาม (Intercepts) มีค่าแตกต่าง กันไปตามระหว่างกลุ่มระดับที่ 2 หรือไม่ เพื่อคำนวณค่า Intraclass Correlation Null Model

19 ดร.นำชัย ศุภฤกษ์ชัยสกุล Regression with Random Intercepts Model Level 1 Model Level 2 Model ANCOVA with Random Intercepts

20 ดร.นำชัย ศุภฤกษ์ชัยสกุล Regression with Random Intercepts Model เพื่อทดสอบว่าตัวแปรอิสระระดับที่ 1 ตัวแปรใดบ้างที่มีอิทธิพล ต่อตัวแปรตาม

21 ดร.นำชัย ศุภฤกษ์ชัยสกุล Regression with Random Coefficients Model Level 1 Model Level 2 Model

22 ดร.นำชัย ศุภฤกษ์ชัยสกุล Regression with Random Coefficients Model เพื่อทดสอบว่าอิทธิพลที่ตัวแปรอิสระระดับที่ 1 ที่มีต่อตัวแปร ตามแตกต่างกันไปตามระหว่างกลุ่มระดับที่ 2 หรือไม่

23 ดร.นำชัย ศุภฤกษ์ชัยสกุล Intercepts-as-Outcomes Model Level 1 Model Level 2 Model

24 ดร.นำชัย ศุภฤกษ์ชัยสกุล เพื่อทดสอบว่าตัวแปรอิสระระดับที่ 2 ตัวแปรใดบ้างที่มีอิทธิพล ต่อตัวแปรตาม Intercepts-as-Outcomes Model

25 ดร.นำชัย ศุภฤกษ์ชัยสกุล Level 1 Model Level 2 Model Cross-Level Interaction Model Intercepts and Slopes-as-Outcomes Model

26 ดร.นำชัย ศุภฤกษ์ชัยสกุล เพื่อทดสอบผลปฏิสัมพันธ์ของตัวแปรระดับที่ 2 ที่มีต่ออิทธิพล ของตัวแปรระดับที่ 1 กับ ตัวแปรตาม Intercepts and Slopes-as-Outcomes Model

27 ดร.นำชัย ศุภฤกษ์ชัยสกุล Centering Uncenterd Grand Mean Centered Group Mean Centered

28 ดร.นำชัย ศุภฤกษ์ชัยสกุล ข้อดีของการ Centering ทำให้ง่ายต่อการตีความค่า Intercept ลดความสัมพันธ์ระหว่างความคลาดเคลื่อนของ Random Intercepts and ความคลาดเคลื่อนของ Slopes ลดความสัมพันธ์ระหว่าง ตัวแปรระดับที่ 1 และ 2 และ ค่า ปฏิสัมพันธ์ข้ามระดับ (Cross-level Interaction)

29 ดร.นำชัย ศุภฤกษ์ชัยสกุล Uncentered – ค่าเฉลี่ย เมื่อ = 0 – ความแตกต่างของค่าเฉลี่ยระหว่างกลุ่ม Grand Mean Centered – Adjusted Mean ค่าเฉลี่ยตัวแปรตามในกรณีที่มีค่าเฉลี่ยรวม – ความแตกต่างของ Adjusted Mean ระหว่างกลุ่ม Group Mean Centered – Unadjusted Mean ค่าเฉลี่ยตัวแปรตามในกรณีที่มีค่าเฉลี่ยกลุ่ม – ความแตกต่างของ Unadjusted Mean ระหว่างกลุ่ม

30 ดร.นำชัย ศุภฤกษ์ชัยสกุล Uncentered and Grand Mean Centered – คือ pooled-within regression slopes – ความแตกต่างของ pooled-within slopes ระหว่างกลุ่ม Group Mean Centered – คือ ค่าเฉลี่ย regression slopes ระหว่างกลุ่ม – ความแตกต่างของค่าเฉลี่ย regression slopes ระหว่างกลุ่ม

31 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์พหุระดับ ด้วยโปรแกรม HLM

32 ดร.นำชัย ศุภฤกษ์ชัยสกุล กรณีตัวอย่างงานวิจัย

33 ดร.นำชัย ศุภฤกษ์ชัยสกุล แยกไฟล์ข้อมูลออกเป็น 2 ไฟล์ คือ – ไฟล์ข้อมูลระดับที่ 1 – ไฟล์ข้อมูลระดับที่ 2 ทั้ง 2 ไฟล์ต้องมีตัวแปร ID ของระดับที่ 2 เป็นตัวเชื่อม ไฟล์ระดับ 1 ต้องจัดกลุ่มตามตัวแปร ID ตัวแปร ID ถ้าเป็น string ต้องไม่ยาวเกิน 12 ตัวอักษร และ ค่าตัวแปร ID ต้องมีความยาวเท่ากันทุกค่า การเตรียมไฟล์ข้อมูล

34 ดร.นำชัย ศุภฤกษ์ชัยสกุล ไฟล์ข้อมูลระดับที่ 1

35 ดร.นำชัย ศุภฤกษ์ชัยสกุล ไฟล์ข้อมูลระดับที่ 2

36 ดร.นำชัย ศุภฤกษ์ชัยสกุล HLM V.6 ใช้.MDM (Multivariate Data Matrix) HLM เวอร์ชั่นต่ำกว่า 6 ใช้.SSM (Sufficient Statistics Matrix) Not Backward Compatible การสร้างไฟล์ MDM

37 ดร.นำชัย ศุภฤกษ์ชัยสกุล การสร้างไฟล์ MDM File  Make New MDM File  Stat Package Input ให้เลือก Hierarchical Linear Models  HLM 2 แล้วจะขึ้นกรอบหน้าต่างดัง ข้างล่าง

38 ดร.นำชัย ศุภฤกษ์ชัยสกุล การสร้างไฟล์ MDM ตรงกรอบ Level-1 Specification ให้กดปุ่ม Browse แล้วเลือกไฟล์ข้อมูล ระดับที่ 1 จากนั้นกดปุ่ม Choose Variables แล้วจะขึ้นหน้าต่างข้างล่าง

39 ดร.นำชัย ศุภฤกษ์ชัยสกุล การสร้างไฟล์ MDM จากนั้นตรงกรอบ Level-2 Specification ให้กดปุ่ม Browse แล้วเลือก ไฟล์ข้อมูลระดับที่ 2 จากนั้นกดปุ่ม Choose Variables แล้วจะขึ้น หน้าต่างข้างล่าง

40 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์ Null Model

41 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลการวิเคราะห์ Null Model

42 ดร.นำชัย ศุภฤกษ์ชัยสกุล Intraclass Correlation

43 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์ Regression with Random Intercept Model

44 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Regression with Random Intercept Model

45 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Regression with Random Intercept Model

46 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Regression with Random Intercept Model

47 ดร.นำชัย ศุภฤกษ์ชัยสกุล Variance Explained

48 ดร.นำชัย ศุภฤกษ์ชัยสกุล Variance Explained

49 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์ Intercepts-as-Outcomes Model

50 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Intercepts-as-Outcomes Model

51 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Intercepts-as-Outcomes Model

52 ดร.นำชัย ศุภฤกษ์ชัยสกุล Variance Explained

53 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์ Random Coefficients Model

54 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Random Coefficients Model

55 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Random Coefficients Model

56 ดร.นำชัย ศุภฤกษ์ชัยสกุล การวิเคราะห์ Intercept-and-Slope as Outcome Model

57 ดร.นำชัย ศุภฤกษ์ชัยสกุล ผลวิเคราะห์ Intercept-and-Slope as Outcome Model

58 ดร.นำชัย ศุภฤกษ์ชัยสกุล จบการบรรยาย


ดาวน์โหลด ppt การวิเคราะห์ข้อมูลพหุระดับ (Multilevel Analysis) ด้วยโปรแกรม HLM ดร.นำชัย ศุภฤกษ์ชัยสกุล สถาบันวิจัยพฤติกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ.

งานนำเสนอที่คล้ายกัน


Ads by Google