100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Full article summary of Nezlek (2008) €3,98
In winkelwagen

Samenvatting

Full article summary of Nezlek (2008)

 6 keer bekeken  0 keer verkocht

Full summary of the article "An introduction to multilevel modeling for social and personality psychology" by Nezlek (2008) as listed for the Applying Research Methods (ARM) exam.

Laatste update van het document: 2 jaar geleden

Voorbeeld 1 van de 5  pagina's

  • 6 juni 2022
  • 18 november 2022
  • 5
  • 2019/2020
  • Samenvatting
Alle documenten voor dit vak (4)
avatar-seller
ninavos2
Nezlek (2008)
An introduction to multilevel modeling for social and personality psychology

Sometimes multilevel data sets are referred to as ‘nested’ or ‘hierarchically nested’
because such observations at one level of analysis are nested within observations at
another level. Accordingly, when working with multilevel data, it should be analyzed using
techniques that take into account this nesting.

The importance of understanding levels of analysis
Multilevel analyses are appropriate when data have been collected at multiple levels
simultaneously.
- Levels: how the data is organized; whether observations are dependent (or not
independent).
These levels are ordered based on hierarchy from personal levels upwards: level 1
data could be observations of dairy submissions, level 2 data could be personality
traits. Or level 1 data = personality traits, level 2 data is group descriptions.
 Multilevel analysis is present when level 1 data is not independent, because of
common characteristics. This dependence leads to ordinary least-squares
(OLS) techniques cannot be used because these violate a fundamental
assumption: independence of observations. Single-level analyses that ignore
the hierarchical structure of the data can thus provide misleading results
(higher correlations than is true).

Some have argued that such problems can be solved by using a variable indicating group
membership: least squares dummy-codes analysis > creating an interaction term
between dummy codes and level 1 variables, to examine the possibility that level 1
relationships vary between level 2 units of analysis. However, even when dummy codes
are included, the analyses violate important assumptions about sampling error.

Illustrative applications
Cases of data collection that might want to consider nested data:
o Interval contingent studies: data collected at certain intervals (either fixed or
random).
o Event-contingent studies: data collected whenever a certain type of event occurs.
o Research focusing on within-person variability in psychological traits.
o Data collected from groups (participants = level 1; groups = level 2).
o Cross-cultural research: participants from one population/country are nested.

Sampling error within multilevel data structures
Multiple sampling: in a multilevel data structure, units of observations are randomly
sampled from populations at different levels simultaneously. The error associated with
sampling at each level of analysis needs to be estimated.
- Sampling error: error in a statistical analysis arising from the
unrepresentativeness of the sample taken.
Within-group relationships are simply not interchangeable with within-group relationships.
The errors at the two levels of analysis are separate.
 Random coefficient techniques: way of estimating error on separate levels that
relies on maximum likelihood algorithms that allow for the simultaneous
estimation of multiple unknowns.
Random coefficient techniques are better than OLS techniques when:
1. Hypotheses of interest concern within-unit relationships (dependent data).
2. The data structure is irregular (when groups differ in size, amount of data
provided per subject differs, etc).

What is multilevel modeling?
A.k.a. Multilevel Random Coefficient Modeling (MRCM).
- Random: the technique estimates random coefficients.
For each level 2 unit, a level 1 model is estimated. These models are functionally
equivalent to a standard OLS regression. Example: for each group (in a group studies) a

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

Verzekerd van kwaliteit door reviews

Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!

Snel en makkelijk kopen

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

Focus op de essentie

Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper ninavos2. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €3,98. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 52510 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€3,98
  • (0)
In winkelwagen
Toegevoegd