Modelos Lineales Jerárquicos

¿Cuál de las siguientes representa un ejemplo de estructura jerárquica de datos?

• Estudiantes, Salas de clases, Escuelas

• Países, Planetas, Galaxias, Universos

• Pacientes, Hospitales, Ciudades, Regiones

• Todas las anteriores

En el contexto de análisis multinivel, ¿cuál de las siguientes es una diferencia entre unidad de observación (o medición) y unidad de análisis?

• Siempre se puede transformar los datos desde la unidad de análisis a la de observación, pero no viceversa

• Unidad de análisis siempre tiene un nivel superior en la estructura de datos que la unidad de observación

• Unidad de observación siempre tiene un nivel inferior en la estructura de datos que la unidad de análisis

• Unidad de observación puede coincidir o no con la unidad de análisis

¿En qué sentido los modelos lineales jerárquicos son similares a examinar un efecto de moderación?

• ambos permiten examinar cómo la relación entre dos variables cambia según los niveles de otra variable

• ambos incorporan un término de interacción

• ambos informan sobre la cantidad de cambio que hay en la relación entre dos variables según los valores del moderador

¿Cuál de las siguientes no es una ventaja de modelar datos jerárquicos empleando HLM por sobre una regresión lineal múltiple?

• Evitar el "aggregation bias": inflar la correlación agregada de datos observados en un nivel jerárquico inferior

• Examinar si la relación entre X e Y es uniforme entre distintas organizaciones (colegios, empresas, países, etc.)

• Comprender qué variables están asociadas a que la relación entre X e Y sea distinta entre organizaciones (colegios, empresas, países, etc.)

• Caracterizar cuanto varía Y por unidad de cambio en X

En el contexto multinivel, ¿qué significa que tenemos que considerar no solo el promedio de los resultados de logro de una sala de clases o escuela sino también su distribución?

• Que debemos intentar identificar buenos predictores del puntaje de los estudiantes o de la sala de clases

• Qué debemos incorporar solo efectos aleatorios en nuestros modelos

• Que debemos comprender y modelar la heterogeneidad (varianza) de los resultados, tanto la within como la between

• Si la distribución es normal, podemos emplear modelos lineales jerárquicos

¿Cuál de las siguientes expresiones refleja varianza between

• Permite conocer la gran media, es decir, la media entre unidades j

• Permite determinar la proporción de varianza between/within

• Es útil para compararlo con modelos más complejos y determinar la varianza explicada por dichos modelos

• Todas las anteriores

• A efectos fijos

• Un efecto fijo y un efecto aleatorio

• A efectos aleatorios

• Ninguna de las anteriores es correcta

Un efecto fijo versus uno aleatorio:

• Describe un parámetro versus describe una distribución

• Estima un valor específico versus caracteriza múltiples valores

• Está asociado a un coeficiente versus está asociado a una varianza

• Todas las anteriores son correctas