2. Data Multilevel
Data yang secara peringkat terstruktur, “nested” atau
berkelompok (clustered)
Data dikumpulkan dari unit yang berada di dalam unit
lainnya pada tingkat yang lebih tinggi
Subyek adalah Yang berkumpul dalam
Murid Kelas
Pasien Puskesmas
Pengamatan berulang Individu
Ini adalah contoh data 2 level
Level 1: Murid pengukuran var. dependen utama & var. antara
Level 2: Kelas kumpulan dari unit level 1, yg mungkin berpengaruh
pada var. dependen utama & var. antara
3. Analisis Data Multilevel
Multilevel Data Analaysis:
“any set of analytical procedures that involve data
gathered from individuals and from social structure in
which they are embedded and are analyzed in a manner
that models the multilevel structure”
(L. Burnstein, Units of Analysis, 1985. Int. Ency. of Educ.)
Analisis yang menggambarkan struktur multilevel
Mempertimbangkan pengaruh struktur pada keluaran individu
Struktur Mungkin mempengaruhi respons
Kelas Murid
Puskesmas Pasien
Individu Pengamatan berulang
4. Mengapa Perlu Analisis
Multilevel
Menghitung variabilitas pada tiap tingkat
(misal, varians murid dan varians kelas)
Membuat model pada level 1 sebagai efek
dari semua level
var. total = f(var. individu + var. kelompok)
Menghitung interaksi antar efek pada tiap
tingkat
Respons tidak indepeden subyek dalam 1
klaster memiliki faktor risiko yang sama
5. Nama Lain & Manfaat
Nama lain
random effects models
random coefficient models
mixed effects models
hierarchical linear models
Manfaat
Analisis data longitudinal
Pengamatan berulang pada subyek yg sama
Data berkelompok
Subyek (level 1) dalam kelompok (level 2)
6. Model Non Multilevel
Model statistik dapat dituliskan:
Response = Fixed/Average Parameter +
Random/Variance Parameter
pada regresi: yi = b0 + b1x1 + ei
Response
Fixed parameter
Random parameter
7. Model Non Multilevel
Analisis regresi ujian 2 dengan ujian 1
Ujian2 = 27,75 + 0,80*Ujian1 + e Random parameter
Error/residual, bersifat
acak, tidak sama untuk
tiap subyek
8. Model Multilevel
Modifikasi pada bagian random parameter
Residual (pd regresi) dibagi menjadi:
Residual akibat perbedaan kelompok (level 2)
Variasi antar kelompok pada level 2
Residual akibat perbedaan individual (level 1)
Variasi antar subyek (level 1)
Model sederhana Random Intercept Model
9. Random Intercept Model
Pada contoh ini digunakan model sederhana
dengan 2 level (level 1: mahasiswa, level 2: jurusan)
dg analisis regresi linier
Model pada level 1 dapat dituliskan:
yij = b0j +b1x1ij + e0ij
yij = nilai ujian 2 untuk mahasiswa i pada jur j
b0j = rata-rata nilai ujian 2 untuk jur j jika nilai ujian 1=0
b1 = efek nilai ujian 1 pada ujian 2 untuk mahasiwa i di jur j
e0j = residual untuk mahasiwa i di jur j, diasumsikan
memiliki rata-rata 0 dan varians s2
10. Model pada level 1:
yij = b0j +b1x1ij + e0ij
Pada model multilevel, koefisien pada level 1
menjadi variabel dependen pada level 2
Sehingga model pada level 2:
b0j = b0 + u0j
Konstata regresi pada level 1 dibagi menjadi
b0 = Konstata rata-rata untuk semua jurusan
u0j = Efek spesifik untuk jur j atau kontribusi jur j untuk
nilai ujian 2
Random Intercept Model
12. Adanya u0j menyebabkan model regresi linier
dapat diperlakukan menjadi:
Buat 1 persamaan regresi untuk tiap kelompok
(jurusan) Hanya mungkin dilakukan jika pada
tiap kelompok jumlah sampelnya cukup
Kelompok (jurusan) diperlakukan sebagai sampel
acak dari populasi kelompok (jurusan) & kita
tertarik untuk membuat estimasi variasi antara
kelompok (jurusan) Pendekatan Statistik
Multilevel
u0j dapat diperlakukan seperti residual pada tingkat
individu
Random Intercept Model
13. Model pada level 1:
yij = b0j +b1x1ij + e0ij
Model pada level 2:
b0j = b0 + u0j
Gabungan kedua model:
yij = b0 + b1x1ij + (u0j + e0ij)
Jika residual pada level 1 dan level 2 dianggap
independen, maka varians pada level 2 s2
u0
menggambarkan perbedaan antar kelompok setelah
dikontrol oleh pengaruh nilai ujian 1
Dengan cara ini model multilevel dapat membedakan
variasi antar individu (compositional effect) dan variasi
antar kelompok (contextual effect)
Random Intercept Model
14. yij = b0 + b1x1ij + (u0j + e0ij)
Model multilevel memungkinkan pembagian varians
(variance partitioning) menurut level yang berbeda & juga
menghitung proporsi varians yang disebabkan level 2
intraclass correlation coefficient, intraunit correlation
coeff, variance partitioning coeff
ICC = s2
u0 / (s2
u0 + s2
e0), nilai 0-1
ICC kecil variasi antar kelompok lebih kecil dari
variasi antar individu
ICC besar variasi antar kelompok lebih besar dari
variasi antar individu
Random Intercept Model
17. Stata
Perintah untuk regresi linier random intercept
model 2 level:
xtmixed var_dep var_indep || id_level2:,
cov(unstructured) mle var
cov(unstructured) = varians/covarians antar kelompok
pd level 2 dianggap saling berbeda
mle = estimasi dg maximum likelihood
default: restricted maximum likelihood (REML)
var = laporkan varians level 2 & 1
default: dilaporkan standard error
Contoh:
xtmixed ujian2 ujian1 || jur:, cov(unstructured) mle var