Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

0 leuk 0 niet-leuks

Bij een multilevelanalyse (laatste vraag eindopdracht van APM) krijgen we, wanneer we naast een random intercept ook een random slope vragen, de volgende melding:

"Iteration was terminated but convergence has not been achieved. The MIXED procedure continues despite this warning. Subsequent results produced are based on the last iteration. Validity of the model fit is uncertain."

Vervolgens wordt in de output van de randomeffecten geen significatiewaarde en std error gegeven voor de variantie in de slope, Onderaan de tabel staat het volgende: 

 "This covariance parameter is redundant. The test statistic and confidence interval cannot be computed. "         

Heeft dit misschien te maken met het feit dat de predictor dichotoom is, waardoor er maar twee condities zijn en er daardoor niet echt sprake is van een slope?

Maar bij een gewone regressieanalyse met dezelfde variabelen wordt er wel gewoon een regressiecoëfficient berekend, plus significantiewaarde, ondanks dat er niet echt sprake is van een slope... Dan zou je toch ook moeten kunnen nagaan of de variantie hierin ,die wordt verklaard door de groep waar men zich in bevindt, significant is? En of dus de groep waar men zich in bevindt inderdaad van invloed is op het verband tussen conditie (predictor) en het oordeel over anderen (afh variabele)?

Het is een beetje lastig uiteggen, maar ik hoop dat ik het zo goed omschreven heb.

in Longitudinaal Onderzoek (PB17x2) door (170 punten)

1 Antwoord

0 leuk 0 niet-leuks

De dichotome predictor is niet echt de oorzaak, al zou dit het probleem wel kunnen beïnvloeden. Het is een vrij technisch probleem tijdens de optimalisatie procedure dat bij dit soort complexe modellen soms kan voorkomen. Het voert veel echter te ver om in het kader van deze cursus hier op in te gaan. 

Som kan het helpen om de criteria die bepalen wanneer de procedure stopt wat soepeler te maken:

Bij het CRITERIA subcommando kan je het "convergence criterium", e.g. LCONVERGE=0.05 (ABSOLUTE) verhogen en/of je kan het aantal iteraties verhogen met MXITER(n).

Maar dit helpt meestal niet is mijn ervaring.

Het beste is om een ander model te kiezen. Bij de meeste modellen die ik heb uitgeprobeerd verschijnen geen foutmeldingen. Dit wordt ook aangeraden bij de mededelingen op de cursussite.

door (11.7k punten)
Multilevel moderatie
...