Os meus dados estão encaixados em grupos? (modelo multinível)

Em resumo

As pessoas pertencem a grupos: crianças a turmas, estudantes a seminários, várias medições a uma pessoa. As pessoas do mesmo grupo são muitas vezes mais parecidas; os testes habituais pressupõem valores independentes e ficam então demasiado otimistas. O modelo multinível (modelo misto) tem os grupos em conta. O Statable calcula-o com o R (lme4, lmerTest). O R é carregado uma vez na primeira vez (cerca de 40 MB); depois demora cerca de um segundo; os dados permanecem no dispositivo.

1. Escolha a medida (um número).
2. Escolha a coluna que dá nome ao grupo (turma, seminário, ou a pessoa, no caso de medições repetidas).
3. Opcional: características das pessoas que poderiam explicar as diferenças.

Se a medida tem apenas dois valores (sim/não), o Statable calcula um modelo logit misto: odds ratios e um ICC latente; o evento é o valor maior.

Em «Os grupos diferem?» e «É possível prever alguma coisa?», o Statable assinala-o quando existe uma coluna como «turma» ou um identificador com repetições, e abre então a pergunta já preenchida. Também está em «Mais métodos».

Ler o resultado

• ICC (modelo nulo): proporção da variação que se situa entre os grupos. O efeito do desenho amostral mostra quanto o agrupamento distorceria os erros-padrão dos testes habituais.
• Efeitos fixos: b com intervalo de 95%, graus de liberdade de Satterthwaite e p; este é o efeito de uma característica, tendo os grupos em conta.
• Efeitos aleatórios: variância entre os grupos (τ₀₀) e dentro dos grupos (σ²). R² marginal: parte devida aos efeitos fixos; R² condicional: devida aos efeitos fixos e aleatórios em conjunto.
• Gráfico: desvio de cada grupo em relação à média global com intervalo a 95%, ordenado (caterpillar plot). Pontos preenchidos: o intervalo exclui 0.

Pressupostos e limites

• Vários grupos com vários casos cada: muito incerto abaixo de 10 grupos, fiável a partir de cerca de 30 (regra prática).
• Um número como medida, resíduos aproximadamente normais, grupos independentes entre si. Para resultados sim/não aplica-se, em vez disso, o modelo logit (ver acima).
• Se o R indicar um ajustamento no limite (solução singular) ou ausência de convergência, o Statable converte isso numa frase; um modelo mais simples costuma ajudar.

Modelo multinível: ICC (modelo nulo) = ,16; SES: b = 2,61, IC a 95% [1,97; 3,25], t(688,8) = 8,01, p < ,001; R²m = ,17, R²c = ,22 (N = 720 em 40 grupos)

Exemplos típicos

• Alunos em turmas: teste de leitura por turma, com o pré-teste como preditor.
• Pacientes em consultórios, trabalhadores em empresas, medições repetidas dentro de pessoas.

Para especialistas

lmerTest::lmer com REML (por defeito, como no jamovi e no JASP), graus de liberdade de Satterthwaite; o pacote lmerTest é fornecido sem as suas funções de representação gráfica (ggplot2), o cálculo não muda. Ordenada na origem aleatória por grupo; um declive aleatório (número ou coluna com dois valores) e a centragem na média global estão em «Para especialistas», no resultado. R² segundo Nakagawa e Schielzeth (2013), com a extensão para declives segundo Johnson (2014), como performance::r2_nakagawa. Verificado com o R no Mac: sleepstudy, MathAchieve (160 escolas), excerto de turmas.