Ιεραρχικά Μοντέλα και Εφαρμογές

Abstract

Τα Ιεραρχικά ή Πολυεπίπεδα Μοντέλα θεωρούνται γενίκευση των γενικών και γενικευμένων γραμμικών μοντέλων, αποτελώντας βελτιωμένη έκδοση της κλασσικής παλινδρόμησης όσον αφορά την προβλεπτική ακρίβεια. Είναι ιδιαι- τέρως διαδεδομένα στις κοινωνικές, ιατρικές και βιολογικές επιστήμες όπου τα δεδομένα έχουν ιεραρχική δομή, ενώ μπορούν να χρησιμοποιηθούν για πολλούς σκοπούς όπως η πρόβλεψη και η στατιστική συμπερασματολογία. Στο εισαγω- γικό κεφάλαιο, παρουσιάζεται μέσω παραδειγμάτων η μορφή της δομής των δεδομένων και στη συνέχεια τα βασικά είδη των πολυεπίπεδων μοντέλων που αντιμετωπίζουν την πολυπλοκότητα της δομής αυτής. Στα κεφάλαια που ακο- λουθούν, αναλύονται τα δεδομένα που προέρχονται από την Έρευνα Σκοτών Αποφοίτων (Scottish School Leavers Survey) και την Δημογραφική Μελέτη για την Υγεία στο Mπανγκλαντές (Bangladesh Demographic and Health Survey) εφαρμόζοντας τις ιδέες της πολυεπίπεδης μοντελοποίησης.

Multilevel (hierarchical) modeling is a generalization of linear and generalized linear modeling, outperforming classical regression in predictive accuracy. Considered as highly popular in the social, medical and biological sciences, where hierarchical structures are the norm, multilevel modeling can be used for a variety of purposes, including prediction or causal inference. In the introductory chapter, the data structrure is introduced though examples followed by the basic fundamental models that handle its complexity. In the later chapters, we analyze data from the Scottish School Leavers Survey and the Bangladesh Demographic and Health Survey, applying the ideas of multilevel modeling.