Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Multilevel Modeling

Informacje ogólne

Kod przedmiotu: 2500-PL-PS-SP15-19
Kod Erasmus / ISCED: 14.4 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0313) Psychologia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Multilevel Modeling
Jednostka: Wydział Psychologii
Grupy:
Punkty ECTS i inne: 2.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Założenia (opisowo):

Completed courses on R and Advanced Linear Regression

Skrócony opis:

Many phenomena investigated by social scientists have a multilevel structure. Multilevel modeling (MLM) is a statistical technique that handles nested datasets. This course aims to introduce students to multilevel analysis. Throughout the consecutive classes, participants will be presented with different questions that may be asked and answered with multilevel models. The classes would involve a combination of lectures and lab sessions focusing on the specification, estimation, and interpretation of multilevel models.

Efekty uczenia się:

First, students will acquire knowledge about the problems and possibilities posed by multilevel data structures. Second, participants will gain familiarity, experience, and confidence in estimating and interpreting the most common multilevel models.

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Seminarium, 15 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Paulina Górska
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Seminarium - Zaliczenie na ocenę
Pełny opis:

Many phenomena investigated by social scientists have a multilevel structure. For example, pupils are nested in classes and schools, employees in companies, citizens in countries, or longitudinal measurements in persons. With this type of data, it is crucial to recognize that each level of analysis may serve as a distinct source of variance. Namely, pupils may differ in their language skills not only because of the variability in individual features such as SES but also because they belong to different classes and/or attend different schools. If such interdependence between observations is not modeled properly, statistical analyses may lead to incorrect conclusions.

Multilevel modeling (MLM) is a statistical technique designed to handle nested datasets. This approach is not only capable of accounting for observations’ interdependence but may also be used as a tool for testing hypotheses on the interplay between individuals and the context in which the latter are embedded.

This course aims to introduce students to multilevel analysis. Throughout the consecutive classes, participants will be presented with different kinds of questions that may be asked and answered with multilevel models. We will start with an overview of MLM applications. Next, we will consider 2-level models for continuous, binary, and count data. Finally, we will cover contextual effects. The classes will involve a combination of lectures and lab sessions focusing on the specification, estimation, and interpretation of multilevel models. All analyses would be performed in R.

Literatura:

Main texts:

Finch, W. H., Bolin, J. E., & Kelley, K. (2014). Multilevel Modeling Using R. New York: CRC Press, Taylor & Francis Group.

Hox, J. J., Moerbeek, M., & Van de Schoot, R. (2017). Multilevel analysis: Techniques and applications. New York: Routledge.

Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods. London: Sage.

Snijders, T. & Bosker, R. (2011) Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling. London: Sage.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.0.4.0-7ba4b2847 (2024-06-12)